textmachine/docs/archive/reports/POLYGON_TERM_RESEARCH_A_2026-07-26.md

Полигон, пакет-7, ФАЗА A: терминологическая ресёрч-программа — рубрика, многокнижный майнинг, улики по жанровой лексике

⚠ ПОПРАВКА 26.07.2026: жанровый словарь ОТМЕНЁН владельцем как класс (амендмент к D39.42 п.1, ратификация — за оркестратором). §A4 сдавался как «словарь НА ПОДПИСЬ»; подписной статус снят со всей секции, включая таблицу §A4.3 — она читается как справочная фактура. Отмену обосновали улики этого же отчёта: §A4.1 показал, что «общепринятого» рендеринга нет (ложная сходимость: один английский первоисточник + один блогер), а центральный терм 修炼 ушёл на V0 как выбор регистра, а не факт. Остальные находки §A1–A3, A5 силы не теряют и от словаря не зависели. Развязка — записка №10.

Статус: ФАЗА A ИСПОЛНЕНА, СТОП по приёмке. Промт — docs/POLYGON_PACKAGE7_TERM_SOURCES_SESSION_PROMPT.md (v2, выдан 26.07.2026). $0 ПОДТВЕРЖДЁН: ни одного платного вызова LLM-провайдера. Инструменты фазы: локальный Go/Python + веб-поиск и веб-фетч. Проверка — в §0.4. Зона: писал только в eval/pkg7/ и в этот отчёт. backend/ не тронут (там живая сессия пака-20). Не коммитил. Дальше: ратификация рубрики §A2, подпись словаря §A4, санкция сметы §A5. До ратификации фаза B не стартует.

Ревью-шапка (оркестратор №8, 26.07): ФАЗА A ПРИНЯТА, D39.43. Приёмка исполнением (5 верификаторов, 26 проверок): 24 CONFIRMED · 1 PARTIAL · 1 UNVERIFIABLE · 0 REFUTED. Воспроизведено ре-раном на пине 996bade: gu25 «17 (11/2/4)» и recall 0.071/0.089 (плюс независимый пересчёт recall другим скриптом — сошёлся) · gu50 «12» и строка кластера 葛家 с 族长+学堂家老 в алиасах ПОБАЙТНО · исчезнувшие между 25 и 50 главами — список точен · проба рубрики: все шесть цифр побайтно (включая M3: культивация ← {修炼,修行}) · ja под zh-паком: та же восьмёрка, grep 範囲=13/范囲=0, 馬鹿=34/马鹿=0 · en: emitted=0 и код тихого продолжения на пине · веб-улики ложной сходимости — дословно (декларация aoimevelho, «валюта среди земледельцев», ru-wiki без «культивации», Эксмо «мира совершенствующихся») · квадратичный фит, смета 33М токенов и абляция пересчитаны — сходятся · зоны чисты (в backend/ полигонских следов нет, PROGRESS-запись не трёт чужого). Ниты: (1) «вхождений 13/34» — это счёт СТРОК grep -c; вхождений 15/35, и freq майнера равен именно им — несущий факт (simp-форма = 0) держится; (2) «~34 строки» словаря — на деле 36–38, «меньше половины подписываемо» держится. UNVERIFIABLE: «веб-бюджет 200/200» — внутренний счётчик той сессии, независимо не проверяется. Решения Z1–Z4 — владельцу; фаза B до них не стартует.

Эхо-блок

1. Задача: терминологическая ресёрч-программа A1–A5 за $0; фаза B — только ПОСЛЕ ратификации.
2. Зона записи: eval/ + docs/experiments/; отчёт → docs/archive/reports/POLYGON_TERM_RESEARCH_A_2026-07-26.md.
3. backend/ НЕ трогаю (там живая пак-20-сессия: 9 файлов модифицированы, terminology/ и genre-glossary.txt untracked). Не коммичу.
4. Гардрейлы: .env не читать · L3 не обрабатывать · refusal_corpus не открывать · книжный канон ≠ жанровый словарь.
5. A1 веб-обзор+провенанс · A2 рубрика НА РАТИФИКАЦИЮ (веса/спорное — владельцу, не решаю) · A3 многокнижный майнинг
   (zh — боевым miner через replace-харнесс вне репо, прецедент пакета-6; en/ja — своими скриптами) · A4 словарь НА ПОДПИСЬ
   (улика общепринятости = изданные переводы/словари, не одинокая фан-вики) · A5 пре-регистрация B со сметой.
6. Мандат свободы: своё пре-регистрирую (гипотеза → мера → что опровергнет), кладу отдельной секцией.
7. РОВНО ТАК: ложную сходимость не собирать (leave-one-out, независимость сигналов); самопроверка ИСПОЛНЕНИЕМ —
   пере-мерить другим способом; роль терминолога в коде НЕ проектирую.
8. Фаза A завершается СТОПом: отчёт + «чего не покрывает» + подтверждение $0. Заявление = команда.
9. Уже вскрыл встречный сигнал к посылке D39.42 п.1 («культивация» = общепринятое): часть ру-источников зовёт
   «культивацию» калькой с английского, а нормой — «совершенствование». Проверяю уликами, а не соглашаюсь.
10. Материал сверен с диском: gu-zhenren(zh) · jinpingmei(zh) · Empire of the Dawn(en, epub) · fifty_shades(en, txt) · isekai_majutsushi(ja, txt).

---

§0. Итог одной страницей

Пять находок, каждая с сырьём.

1. WHICH-канал боевого майнера не видит жанровых терминов — измерено. Recall против ПОДПИСАННОГО владельцем банка книги: 0.069–0.103 (три среза), по классам: name 0.231 · title 0.077–0.154 · place 0.000 · term 0.040. Самый частый термин книги — 蛊, 8700 вхождений в 50 главах, заглавное понятие романа — не предлагается никогда. Механизм — не тюнинг, а конструкция: emissionEligible требует типа name|place|title и длины ≥2 рун (miner_emit.go:241-252). §A3.3.
2. Абляция говорит, ЧТО именно стоит recall. Снятие потолка emitRankCap=200 → recall 0.089→0.429; дополнительно снятие фильтра типа → 0.875; дополнительно одноиероглифные → 0.911. Цена: эмиссия 17 → 624 → 13 246 → 15 418 строк при precision спот-чека ≈0.15. То есть recall в ранжированном МНОЖЕСТВЕ есть, его отдаёт слой ЭМИССИИ — ровно за подписываемый объём. §A3.4.
3. Покрытие банка не растёт с длиной книги — оно колеблется и теряет уже найденное. 10 глав → 15 термов, 25 → 17, 50 → 12, 100 → 14. 学堂家老 — терм, который владелец подписал на мини-прогоне (D39.37) — на 50 главах исчезает из дельты, будучи проглочен алиас-кластером фамилии 葛家 вместе с родовым титулом 族长. §A3.5.
4. Генеральность: движок сегодня физически не может майнить не-ханьские книги, и это ГРОМКО, но с одной тихой дырой. lang.Load для ja/en падает с явной ошибкой (D39.15 работает). Но если книгу с не-ханьским текстом провести под zh-паком — на английском майнер отдаёт 0 термов и стоп молча авто-продолжает (mining.go:70-73), а на японском отдаёт 8 термов, из них верных 0, причём эмитируемая строка не существует в книге (範囲→范囲, 馬鹿→马鹿: trad→simp-фолд нормализатора). §A3.6.
5. Масштаб: майнер квадратичен. Пять замеров, лог-лог-фит по одной книге: t ≈ e^-22.23 · chars^2.013. Экстраполяция на приёмочную книгу (7.78 млн символов) — ≈4.6 часа одного офлайн-прохода и RSS, растущий с 70 МБ до 365 МБ на 1.9 млн. §A3.7.

Плюс два ресёрч-результата.

§A4 — главный. Посылка D39.42 п.1 («общепринятое индустрией — „культивация“») уликами не подтверждается: разделение проходит по линии «маркетинговые аннотации лицензионных изданий и академия → совершенствование» vs «фан-площадки → культивация/культивирование». При этом вся «народная» русская глоссарная линия сводится к ОДНОМУ английскому глоссарию и ОДНОМУ русскому блогеру (доказано декларацией самого источника и machine-translation-артефактом «валюта среди земледельцев» ← cultivators) — то есть «много русских источников согласны» это иллюзия. Но и обратный вывод я не выдаю за доказанный: издательская сторона стоит на аннотациях, которые пишет маркетинг и которые жаргона избегают по своей природе; тела изданий не читаны. Поэтому владельцу предлагается V0 — не подписывать эту строку до одного дешёвого захода ($0: search-inside по телам двух ISBN + частотный узус НКРЯ/Ngram), и лишь затем V1/V2/V3.

§A2 — методологический. Рубрика собрана не с нуля: MQM разводит терминологию на ТРИ разные ошибки (не по глоссарию ≠ непоследовательно ≠ неверно по сути), WMT даёт готовые лемматизированные формулы и — главное — контроль случайной терминологией, на котором WMT23 показал, что правильная и случайная подсказки дают похожий прирост. Из-за этого два пункта моего первого наброска протокола ИЗМЕНЕНЫ против улик: плацебо-арм стал «случайный глоссарий» вместо «без глоссария», а скоринг — Best-Worst Scaling вместо абсолютной MQM-шкалы (на литературе MQM ошибочно признаёт ~60% человеческих переводов не лучше машинных, BWS опознаёт человека в 80–100%).

§0.1 Что положено на диск

Артефакт	Где	Что это
split_book.py	eval/pkg7/	нарезка любой книги стенда в общий JSONL-субстрат (zh/ja/en, txt+epub)
minerharness/{main.go,build.sh}	eval/pkg7/	вызов БОЕВОГО internal/miner вне репо, replace на пин-копию коммита
mine_nonhan.py	eval/pkg7/	мои каналы кандидатов для en/ja (ORTHO · DISP · CONTRAST)
kwic.py	eval/pkg7/	KWIC-контексты (разметка по тексту, а не по памяти; прототип входа терминолога)
seed_recall.py	eval/pkg7/	recall WHICH-канала против подписанного сида
rubric_probe.py	eval/pkg7/	проба ИЗМЕРИМОСТИ критериев рубрики на подписанном сиде
срезы, дельты, логи, recall_*.json	скретчпад сессии	производные книги — вне git (Р8)

§0.2 Как воспроизвести

./eval/pkg7/minerharness/build.sh <work-dir> 996bade          # пин бэкенда + сборка харнесса
eval/.venv/bin/python eval/pkg7/split_book.py --book /home/ubuntu/books/gu-zhenren/guzhenren-utf8.txt \
    --rule guzhenren --max-chapters 25 --out <work-dir>/gu25.jsonl
<work-dir>/minerharness/minerharness -in <work-dir>/gu25.jsonl \
    -contrast eval/exp16/data/jieba_dict_general_zh.txt \
    -langpack <work-dir>/pinned-996bade/backend/configs/langpacks -src zh -tgt ru -out gu25.tsv
eval/.venv/bin/python eval/pkg7/seed_recall.py --seed /home/ubuntu/books/gu-zhenren/guzhenren-seed-v2.yaml \
    --chunks <work-dir>/gu25.jsonl --mined-tsv gu25.tsv

Пин обязателен. Параллельная бэкенд-сессия пака-20 правит рабочее дерево прямо сейчас (internal/terminology/, terminologist.go, miner_emit.go и ещё 7 файлов). replace на рабочее дерево дал бы невоспроизводимый прогон и спор «чей это был код». Все цифры отчёта сняты на 996bade.

ВСЕ ссылки файл:строка в этом отчёте — по коммиту 996bade, не по рабочему дереву. Проверено исполнением: в рабочем дереве те же якоря уже уехали (например, «empty delta, auto-continuing» на 996bade стоит в mining.go:70-73, а в рабочем дереве на этих строках уже другой код). Первая редакция отчёта содержала номера строк рабочего дерева — поймано сверкой с пином и исправлено.

§0.3 Оговорка нормы проекта

jinpingmei и fifty_shades — претрейн-классика; эмпирика на них предварительна до вебновелл-среза. В §A3 это помечено на каждой цифре. gu-zhenren и isekai_majutsushi — вебновеллы, на них выводы крепче.

§0.4 Подтверждение $0

Платных вызовов провайдеров ноль: ни один скрипт пакета не импортирует openai/httpx-клиентов и не читает *_API_KEY; eval/.env не открывался. Веб-часть — только WebSearch/WebFetch харнесса сессии (бюджет поиска сессии исчерпан: 200/200 — см. §X). Go-харнесс детерминирован и офлайн по построению (докшапка miner.go:5-8: «no LLM, no network, no clock, no randomness»).

---

§A1. Кабинетный ресёрч: как индустрия и конкуренты ведут терминологию

Метод: шесть независимых углов поиска (издательская практика · конкуренты · zh→ru-улики · ja/en-улики · право и провенанс · литература о метриках), каждый со своим адверсариальным верификатором, которому вменялось сломать утверждения ресёрчера, а не подтвердить. Проверялось по 14 самых нагруженных утверждений на угол.

Сводный вердикт верификации — 84 проверки: 62 CONFIRMED · 14 PARTIAL · 7 MISQUOTED · 1 OVER_ATTRIBUTED · 0 NOT_FOUND · 0 DEAD_URL.

Угол	C	P	MISQ	OA
Издательская практика (ISO/TBX/CAT)	9	3	2	0
Конкуренты и платформы	12	2	0	0
zh→ru улики	9	2	2	1
ja→ru и en→ru улики	11	2	1	0
Право и провенанс	10	3	1	0
Литература о метриках	11	2	1	0

Ноль NOT_FOUND и ноль DEAD_URL — фабрикации нет. Целевой дефект (овер-атрибуция) пойман один раз, и это ровно тот случай, ради которого проверка ставилась (§A4.1, коллекция Rulate). Три системных класса, вскрытых верификаторами и учтённых по всему отчёту: (1) цитаты, добытые LLM-суммаризацией страницы, склеиваются в грамматически невозможные фразы — обязателен второй буквальный проход; (2) молчаливое усечение квалификатора — четыре случая в правовом углу, и все четыре режут именно ту оговорку, которая нужна для решения; (3) обрезанный перечень читается как исчерпывающий (шестизвенная цепочка ISO 17100 подана пятизвенной). Все несущие утверждения ниже переформулированы под подтверждённую часть цитаты.

A1.0 Дисциплина улик: где сходимость ЛОЖНАЯ (критик полноты, отдельный проход)

После верификации по отчёту прошёл третий контур — критик полноты, которому вменялось искать дырки, а не подтверждать. Он снял несколько моих же «сходимостей», и я не оставляю их в тексте в прежнем виде. Все правки ниже сделаны по его находкам; там, где утверждение осталось, оно помечено уровнем улики.

Что я назвал сходимостью	Что на самом деле
«Три независимых слоя дают 12 полей» (A1.1)	Полтора слоя. TBX = ISO 30042, то есть тот же ISO; CAT/TMS обязаны импорт-экспорт TBX и списали модель данных оттуда — доказательство внутри самих цитат (инструменты называют поля TBX-именами: subjectField, partOfSpeech, тот же четырёхзначный пиклист статуса). Настоящих независимых свидетеля два: ISO-куст и издательский style sheet, причём второй представлен ОДНИМ автором
«MQM и ISO 5060 и Google-MQM согласны» (A2.0)	Один куст: ISO 5060 «inspired by MQM», Google-MQM — вариант того же фреймворка тех же авторов. Вывод «правильных весов не существует» опирается на два варианта одного фреймворка, а не на эмпирику
«Русская школа: Лотте, Гринёв-Гриневич, Суперанская»	Лотте → Гринёв-Гриневич — одна линия преемственности; статьи, из которых взяты формулировки, массово переписывают один канонический абзац. Суперанская — единственный настоящий контр-голос
«Палладица общепринята» (A4.2) — ЭКД + ru-wiki + интервью Перловой	Три пересказа ОДНОГО недоступного документа (инструкция ГУГК/Концевич), которого ни один из троих не читал. Что вторичный слой уже искажает — видно по атрибуции системы Бичурину вместо Палладия
«Поливанов — стандарт де-факто» (A4.5), девять помеченных улик	ru-wiki + один полемист. Смоленский прочитан ВНУТРИ ref-тегов той же ru-wiki, то есть это не второй свидетель
«Индустрия пришла к лемме в глоссарии» (A1.2)	Один вендор — Microsoft. Архитектурный вывод на одном свидетеле

Отдельно — круговая валидация, которую я допустил сам. В §A2.3 критерий K3 (транскрипционная норма) объявлен «измерим полностью, ноль нарушений на эталоне». Но линейка проверялась против НАШЕГО сида, построенного по НАШЕЙ же таблице Палладия. Ноль нарушений здесь означает «таблица согласна сама с собой», а не «транскрипция верна». Настоящая проверка K3 требует внешнего эталона (изданный перевод или нормативный документ), которого у нас нет.

A1.1 Обязательные поля терминологической записи

ISO-куст (ISO 12616-1 / TBX=ISO 30042 / инструменты, списавшие модель с TBX) и издательская практика художественной прозы дают ядро из 12 полей. Это НЕ пересечение трёх независимых традиций (см. A1.0) — это один стандарт плюс один независимый свидетель.

#	Поле	Улика
1	Concept ID (запись = концепт, а не пара строк)	MultiTerm: «MultiTerm is a concept-oriented system, and each termbase entry corresponds to a single concept»; Crowdin: «Concept – the highest-level terminology element»; ISO 12616-1 §8.2.2 «Concept orientation»
2	Definition	TBX-Basic definition; Crowdin «A clear explanation of the concept's meaning»; ISO 12616-1 §6.4
3	Subject field / домен	TBX-Min subjectField («A field of special knowledge»); memoQ «Subject»+«Domain»
4	Term (обозначение)	TBX-Core term; ISO 12616-1 §6.2
5	Language	Crowdin, MultiTerm («Language level»)
6	Part of speech	TBX-Min partOfSpeech; Crowdin; memoQ; Smartcat
7	Status — закрытый пиклист	TBX-Min: preferredTerm-admn-sts, admittedTerm-admn-sts, deprecatedTerm-admn-sts, supersededTerm-admn-sts; Phrase: New → Approved
8	Forbidden (запрещённая форма)	memoQ: «A forbidden term is a word or phrase that shouldn't be used in the translation»; Lokalise: «enable this option if the term must not be used in translations»
9	Context / usage example	TBX-Basic context; memoQ «Example»; Phrase «Usage»
10	Source (откуда взят термин)	TBX-Basic source
11	Провенанс-аудит: кто/когда	MultiTerm: «uses a set of four history fields: Created on, Created by, Modified on and Modified by»; memoQ те же четыре; TBX responsibility+transactionType+date
12	Note	TBX-Core note; ISO 12616-1 §6.6

Расхождение слоёв, важное для нас: в ISO/TBX «запрещённость» — это значение статуса (deprecatedTerm), а в инструментах — отдельный булев флаг. Наш сид сегодня умеет status: approved|auto, но не умеет «запрещено» — а именно этот флаг решает задачу «модель упорно пишет „совершенствование“, а книга живёт на „культивации“».

Сюрприз издательского слоя. В художественном книгоиздании эквивалент термбазы зовётся не глоссарием, а style sheet, и ведёт его не переводчик, а копиредактор: «A style sheet is a document the copyeditor prepares that lists the grammatical conventions, characters, places, unusual or made-up words, and the distinctive treatment of words» (Deanna Hoak, публикация SFWA). Для нас существенны две детали:

• серийность прямо названа причиной: «SF/F books often come in series, and a thorough style sheet is important for maintaining continuity from one book to the next» — это ровно архитектурный задел владельца 26.07 «серийный шаринг банка»;
• поле, которого нет ни в одном ISO/TBX: локатор первого вхождения — «For all of those, I put in the page number for the first time I saw each item». У нас оно уже есть и называется since_ch;
• и второе поле, которого нет в стандартах: флаг «НЕ унифицировать» — style sheet используется в том числе чтобы ЗАПРЕТИТЬ нормализацию: «Fragments are acceptable with this author's style». Это прямой аналог нужного нам do-not-normalize, и в терминологических стандартах его нет вообще.

Оговорка: оба этих поля выведены из ОДНОГО источника (один копиредактор, один пост SFWA). Вес улики — одиночный свидетель, а не практика отрасли.

Русскоязычный слой — два прямых свидетельства, оба ценные. Стратегия термина, глава «Истари Комикс» Евгений Кольчугин: «У нас есть некая общая стратегия: уходить в переводе в хардкор, а не в адаптацию. То есть лучше оставить оригинальный термин и дать сноску, чем заменить её русским аналогом». И — единственный найденный прямой ответ на вопрос «кто approver» (он про локализацию в Wakanim, не про книги, и это надо держать в уме): «все наши предложения затем пересылаются создателям сериала и даже авторам оригинала, и они уже выбирают и утверждают то название». Там же — что решение по термину принимает команда, а не глава: «Вот тут я могу сказать своё мнение, но не более. Никаких там "я сказал"».

Про смену переводчика в середине серии — переводчик Екатерина Рябова о переходе на «Бакумане» с 13-го тома: «читатели перемены не почувствуют — кроме переводчика и сверщика над книгой работает целый слаженный коллектив». То есть непрерывность обеспечивается институтом сверщика и редактора, а документ-глоссарий в интервью не упомянут вовсе.

PARTIAL-поправка верификатора: заголовок клаузы 7 ISO 12616-1:2021 — «Text elements for the Term field», а «Designations» это §7.2 (ресёрчер подставил ближайший читаемый подзаголовок — домашний аналог овер-атрибуции). Содержание Annex A по публичному preview непроверяемо: тело вымарано.

A1.2 Конкуренты: три механизма, у каждого свой класс дефектов

Главный вывод: задачу «глоссарий для художественного перевода в морфологически богатый язык» не решил никто, и все трое открыто пишут, что гарантий нет.

(1) Жёсткая подстановка. Microsoft Custom Translator сам называет свой словарь «brute force "copy and replace"» и «exact find-and-replace operation», чувствительной к регистру, и там же признаёт главный дефект: при замене фразы теряется контекст предложения и «overall translation quality of the sentence often suffers». Отсюда их же запрет класть в словарь что-либо, кроме составных существительных. Регистр — мина: sql server / sql Server / SQL Server не матчатся к записи SQL server. Тот же механизм в фан-инфраструктуре: LunaTranslator подменяет термин плейсхолдером ZX?Z до перевода и восстанавливает после; юзерскрипт для LNMTL честно пишет «This is just an advanced text replacer without a translation engine» и что при разрыве/перестановке символов замена не срабатывает.

(2) Soft-constraint внутри модели. Amazon Translate: «doesn't guarantee that it will use the target term for every translation». DeepL продаёт это как преимущество («more than a find-and-replace tool»). Оговорка верификатора: широко цитируемую фразу DeepL про грамматику и отсутствие нужды во множественных формах подтвердить НЕ удалось (support.deepl.com отдаёт 403) — это ровно тот случай, где легко совершить овер-атрибуцию, и мы её не совершаем.

(3) «Нейрословарь» с леммой — единственное честное решение морфологии, и оно наше. Microsoft прямо противопоставляет: обычный phrase fix — «An exact find-and-replace operation… in the exact same format»; нейро — «The requested translation can be inflected or changed casing» и ожидается «in a lemma (word base) form». То есть один вендор пришёл туда же, куда пришли бы мы: в глоссарии лежит лемма, склоняет модель. (Улика одиночная — обобщать до «индустрия пришла» нельзя, это поправка критика полноты.) Цена расписана ими же: источник всё равно матчится точно и с учётом регистра (для польского рекомендуют вручную размножать solution/Solution/solutions/Solutions); «"As is" copying isn't guaranteed»; «Infrequently (less than 0.1%), a neural phrase fix doesn't respect the… phrase dictionary entry»; механизм отключается, если в предложении есть emoji, URL, код, длинные числа. Языковое покрытие нейрословаря: есть en→ru/ru→en, но нет ни zh→ru, ни ja→ru. ⚠ Расширение «наши пары не покрыты НИКЕМ из большой четвёрки» — проверяемое отрицание, которое НЕ проверено: страницы поддерживаемых глоссарных пар DeepL / Amazon / Google публичны и не открывались; подтверждено только по Microsoft. Существование отдельного платного продукта «Term Morphology Editor для флективных языков» — прямое свидетельство, что штатно морфология не решена.

(4) Промпт-инъекция (LLM-эра) и её собственный дефект. Самый ценный для нас баг-репорт — AiNiee issue #597 (16.05.2025): при автогенерации глоссария «术语表里的翻译和ai实际的翻译有出入» (перевод в глоссарии расходится с фактическим переводом модели), и жёсткий пост-чек выдал сто тысяч строк ложных ошибок — «已经完全丧失了正常人工排查的作用了» («полностью утратил смысл ручного разбора»). Это точная модель нашего риска: автоглоссарий + строковый пост-чек = лавина ложняков. Наш K6-замер пакета-6 (precision 0.067, 1 подлинный промах против 14 ложных) — тот же дефект в малом масштабе, и мы теперь знаем, куда он растёт.

(5) Архитектурный дефект, который у нас уже решён иначе. У LNMTL смена глоссария означает переперевод всей серии: «I have updated glossary upon all of the issued propositions, and queued retranslations of series». D39.42 п.5 («точечная ре-редактура по ключу со сметой») — это прямой ответ ровно на этот дефект конкурента.

Оговорка о зависимости источников (leave-one-out): две страницы AWS-гайда несут одно и то же предложение дословно — считать их двумя подтверждениями нельзя.

A1.3 Провенанс: что законно абсорбировать, что нет, что серо

Короткий ответ: соответствие «термин → перевод» почти всюду неохраняемо; охраняемы ТАБЛИЦА (подбор и расположение) и ИНВЕСТИЦИИ в базу.

• РФ. ГК ст. 1259 п. 5 выводит из-под охраны идеи, методы, факты; ст. 1260 п. 2 даёт составителю права «на осуществленные ими подбор или расположение материалов». Право sui generis: ст. 1334 п. 1 — «при отсутствии доказательств иного базой данных, создание которой требует существенных затрат, признается база данных, содержащая не менее десяти тысяч самостоятельных информационных элементов». Спасательный круг ст. 1335.1: изготовитель БД «не может запрещать использование отдельных материалов… правомерно полученных использующим их лицом из иных, чем эта база данных, источников».
• ЕС. Директива 96/9/EC ст. 7(1) — sui generis при «substantial investment in either the obtaining, verification or presentation of the contents»; ст. 7(5) — запрет «repeated and systematic extraction… of insubstantial parts». CJEU Football Dataco C-604/10: «significant labour and skill… cannot as such justify the protection… if that labour and that skill do not express any originality». Directmedia C-304/07 закрывает лазейку «мы перепечатали руками»: перенос после «on-screen consultation… and an individual assessment» тоже extraction.
• США. Feist: «sweat of the brow» отвергнута; «the copyright in a factual compilation is thin»; «a subsequent compiler remains free to use the facts contained in another's publication… so long as the competing work does not feature the same selection and arrangement». Плюс 37 CFR 202.1(a): не охраняются «Words and short phrases such as names, titles, and slogans» — то есть пара «金丹 → золотое ядро» в США не объект охраны в принципе.

Лицензии типовых источников терминов:

Источник	Лицензия	Share-alike	Вердикт
Unihan / Unicode	Unicode License v3, только attribution	нет	зелёный
Википедия / Викисловарь	CC BY-SA 4.0 + GFDL	да	серый (точечно — можно, выгрузкой — заражает)
CC-CEDICT	BY-SA 4.0 (mdbg) vs BY-SA 3.0 (cc-cedict.org) — расхождение	да	серый + UNCLEAR
JMdict/EDICT (EDRDG)	CC BY-SA 4.0	да	серый
Fandom/Wikia	CC BY-SA 3.0 Unported	да	красный
БКРС (bkrs.info)	лицензии нет; сайт: «Базы можно использовать свободно в любых целях»	н/д	серый→красный

Вирусность измеряется точно: CC BY-SA 4.0 §4(b) — при включении «all or a substantial portion of the database contents» ваша БД (но не отдельные её элементы) становится Adapted Material; и контр-правило самого Creative Commons: «use of the facts and ideas embedded within the contents will not require attribution… unless doing so implicates copyright in the database structure». Операционно: точечный факт из BY-SA источника безопасен, массовая выгрузка заражает нашу базу share-alike.

Предложение правил провенанса (НА РАТИФИКАЦИЮ)

Правило одно и оно процедурное: доказывать легитимность через год придётся не рассуждением, а записью. Поэтому каждая строка банка с непустым dst обязана нести провенанс из четырёх полей — они ложатся на существующую схему сида без новых сущностей:

Поле	Значения	Зачем
origin	model · owner · genre-pack · web · series (round-trip прошлой книги) · imported-translation	различает, кто произвёл dst; D39.42 п.«серия»/«импортированный перевод» требуют этого различения
provenance	свободная строка: URL + дата + класс лицензии	аудит-след; для web обязательна
licence_class	green · grey · red	зелёный — вливаем; серый — точечно и с записью; красный — не вливаем никогда
evidence_kind	published-translation · academic · dictionary · platform · single-fan-source	вес улики; single-fan-source не считается уликой общепринятости

Градация с доводом:

• Зелёный — Unicode/Unihan; собственный выход модели в контексте нашей книги (модель произвела dst сама — это не копирование чужой таблицы); подпись владельца.
• Серый — единичные факты из BY-SA источников и из БКРС; изданный перевод, процитированный как СВИДЕТЕЛЬСТВО УЗУСА (не как источник для копирования таблицы). Разрешено брать точечно, с записью URL и даты; запрещено выгружать пачкой.
• Красный — чужой фан-канон (глоссарии Fandom и фан-групп) и любая массовая выгрузка чужой таблицы. Здесь важно честное различение, которого владелец просил: это не только правовой запрет, но и редакционный принцип. Правовая часть слабее, чем кажется (единичное соответствие неохраноспособно), а редакционная — сильная: чужой фан-канон приносит чужие ошибки, чужую транскрипцию и чужие вкусовые решения, и после его абсорбции наша книга перестаёт быть нашей.

Ограничение, которое надо назвать: TDM-исключения (EU DSM ст. 3/4 с opt-out, японская ст. 30-4) остались непроверенными первоисточником — угол сорвался вместе с двумя другими вопросами (§X). Правило провенанса от этого не зависит, но раздел «можно ли майнить чужие переводы» в юр-пакет Ф2.5 пойдёт без этой опоры.

---

§A2. Рубрика «нормально переведённый термин» — ДРАФТ НА РАТИФИКАЦИЮ

Дисциплина раздела: веса и спорные критерии я НЕ решаю. Ниже — критерии, шкала, способ измерения и честный статус «чем меряется». Развилки помечены ⟨ВЛАДЕЛЬЦУ⟩. Рубрика построена НЕ с нуля: сначала собрано, что уже изобретено индустрией и наукой, и лишь потом добавлено своё.

A2.0 Что уже изобретено (и что нам не надо изобретать)

MQM разводит терминологию на ТРИ РАЗНЫЕ ошибки, и это главное заимствование. Категория Terminology определена как несоответствие нормативному отраслевому/организационному стандарту либо неверный нормативный эквивалент; внутри неё — «расхождение с термбазой», «неединообразие» (разные термины для одного понятия) и «неверный термин» (не тот, который употребил бы эксперт домена). Наша рубрика обязана держать это врозь: «не по глоссарию» ≠ «непоследовательно» ≠ «неправильно по сути».

Серьёзность и веса. MQM Council: neutral (преференциальная правка либо приемлемый вариант, помеченный для внимания), minor, major, critical (контент негоден, автоматический Fail); предлагаемые веса экспоненциальные — 0 / 1 / 5 / 25. Google-версия MQM (WMT) даёт ДРУГИЕ веса и другие подкатегории терминологии («Inappropriate for context», «Inconsistent use»). Вывод, важный для Q1: «правильных» весов не существует, их выбирают под задачу.

Развилка, которую я сам бы пропустил: MQM требует решить ЗАРАНЕЕ, штрафовать повторяющуюся ошибку каждый раз или только первое вхождение. Для книги, где термин повторяется 200 раз, это решение и есть вся арифметика. Вынесено в Q5.

ISO 5060:2024 — первый международный стандарт об оценке перевода, включая сырой MT. Его определение ошибки железное и полезное: «failure to adhere to translation project specifications». Его первая категория — Terminology («Inconsistent use of terminology or use of incorrect terms»). Оговорка о независимости: ISO 5060 «inspired by MQM», поэтому считать его вторым подтверждением MQM нельзя — это один источник в двух обложках. ASTM WK46396 до сих пор числится work item.

ISO 704 даёт готовый список принципов образования термина: transparency, consistency, appropriateness, linguistic economy, derivability, linguistic correctness. Это буквально основание нашего критерия морфологической пригодности.

WMT Terminology task даёт две готовые формулы и один убийственный контроль. Формулы: terminology accuracy — бинарно по каждому исходному термину, сумма успехов / общее число; terminology consistency — доля кандидатов, совпавших с псевдо-референсом (первое вхождение). Для флективных языков они матчат лемматизированно — прямое решение нашей проблемы склоняемости. Контроль: три режима — без терминологии, с правильной и со случайной. И находка WMT23: правильная и СЛУЧАЙНАЯ подсказки дали похожий прирост по метрикам качества. Это лучший из найденных аргументов, что замер терминологии без случайного плацебо-арма — самообман. Наш P0 (§A5.2) поэтому переопределён.

Слепые пятна автометрик и провал MQM на художественном тексте. Автометрики «insensitive to nuanced differences in translation quality… most pronounced when the quality is high» — то есть глухи ровно там, где мы работаем. Хуже: на литературе при MQM-оценке ~60% ЧЕЛОВЕЧЕСКИХ переводов ошибочно признаются не лучше машинных, тогда как простой Best-Worst Scaling опознаёт человека в 80–100%. Литературная рубрика LiTransProQA формулирует терминологический пункт иначе: «Have I maintained consistency in terminology, character names, slang, dialect throughout the text?». Реалистичный потолок человеческого согласия на литературных фреймворках — Krippendorff α 0.69–0.79.

Согласие и слепота — цифры, а не пожелания. Landis–Koch: 0.60–0.80 «Substantial», 0.80–1.00 «Almost Perfect». Практика WMT: межаннотаторский Kendall τ-c у ESA 0.254 против MQM 0.116 — реальное согласие людей на MQM низкое. При фиксированном бюджете Google рекомендует один рейтер на элемент, но больше элементов. LLM-судья: self-enhancement (GPT-4 завышает себе ~10%, Claude ~25%), мультиязычно Fleiss κ ≈ 0.3. И свежая работа 2026 ломает наш собственный рефлекс: позиционный свап на кураторских бенчмарках УХУДШАЕТ (−4…−13 п.п.), доминирует style bias.

⚠ Уровень улики по этому подразделу — назван честно, потому что на нём стоят наши критерии. Дословно из первоисточника получены: определения трёх типов терминологической ошибки MQM, определение neutral, требование решить про повторяющиеся ошибки, формулы WMT, эффект WMT23 «правильная ≈ случайная», данные по MQM на литературе и по BWS, цифры согласия. НЕ получены дословно и держатся на заголовках/пересказах: веса 0/1/5/25 (шли как аннотация вне кавычек); клауза 6 ISO 5060 с семью категориями и порогами (вторичные пересказы, включая сайт, который не ISO); принципы ISO 704 (derivability, linguistic correctness) — заголовок + переформулировка терминолога в блоге, тело стандарта не читано; пороги Krippendorff 0.69–0.79. Следствие, которое надо знать: наши новые критерии K5 и K5b легитимированы ссылкой на ISO 704, тело которого мы не читали — это ровно тот паттерн овер-атрибуции, за которым мы охотимся у других. Критерии остаются (они разумны сами по себе), но ссылка на ISO 704 — не доказательство, а указание, куда смотреть.

Русская терминологическая школа даёт то, чего нет в MQM. Лотте: «фиксированное содержание (определенность), точность, однозначность, отсутствие синонимов, краткость». Гринёв-Гриневич: соответствие нормам языка, краткость, деривационная способность, мотивированность, систематичность. И прямой контраргумент против краткости — Суперанская: «точность в нем важнее краткости». СПР: «Во всем тексте перевода должно быть соблюдено единство терминологии». Отраслевой SAE J2450 содержит готовую пару категорий: «Wrong Term» (minor 2 / serious 5) и отдельную «Word Structure or Agreement Error» (2/4) — то есть морфология штрафуется в индустрии отдельной категорией, а не внутри терминологической.

A2.1 Критерии

Стартовый набор промта принят целиком, разложен по трём MQM-типам и расширен пятью позициями (K8–K12). Колонка «откуда» — чьё это, чтобы не выдавать заимствование за своё.

Как читать колонку «шкала». Машинные критерии (K3, K4, K8, K10, K12) дают абсолютное значение — там шкала и есть результат. Судейские критерии (K1, K2, K6, K7, K9, K11) в фазе B абсолютными баллами НЕ выставляются: по каждому из них оценщик выбирает лучший и худший вариант среди армов (Best-Worst Scaling, §A2.4 п.3), а колонка «шкала» здесь описывает только определение критерия и остаётся для катастроф-экрана. Это сделано против улики о провале абсолютной MQM-шкалы на художественном тексте, а не для удобства.

#	Критерий	Что значит «хорошо»	Шкала	Чем меряется	Откуда
K1	Верность концепту («тот ли термин»)	dst передаёт то же понятие, что src в ЭТОЙ книге	0/1/2	человек или LLM-судья по KWIC	MQM wrong term
K2	Жанровая конвенция	dst совпадает с ру-узусом жанра	0/1/2	сверка с жанровым словарём §A4	MQM расхождение с термбазой
K3	Транскрипционная норма	онимы — Палладий (zh) / Поливанов (ja)	0/1	машинный: таблицы langpack + фонотактика	наше + §A4.2/A4.5
K4	Единообразие в книге	один концепт — один термин во всём тексте	0/1	машинный, ЛЕММАТИЗИРОВАННО	MQM inconsistency + WMT consistency + СПР
K5	Морфологическая пригодность	dst склоняем, род устойчив, согласование корректно	0/1/2	гибрид — см. A2.3	ISO 704 linguistic correctness + SAE J2450 Word Structure
K5b	Деривационная способность (новое)	от dst образуются нужные производные и композиты	0/1	полумашинный (парадигма + композиты)	ISO 704 derivability + Гринёв-Гриневич
K6	Литературность/благозвучие	dst годится в художественный текст	0/1/2	только человек	Гринёв-Гриневич эвфония; MQM neutral
K7	Спойлер-безопасность	dst не раскрывает того, чего в этой точке не знают	0/1	человек + машинный экран по since_ch	наше
K8	Однозначность банка	нет коллизий «один dst ↔ разные src» и наоборот	0/1	машинный (реализован, A2.3 M3)	Лотте отсутствие синонимии
K9	Уместность регистра	академический термин не подставлен в жанровый текст и наоборот	0/1/2	человек	наше (из §A4)
K10	Провенанс-полнота	у dst записаны origin/provenance/licence_class	0/1	машинный	наше (из §A1.3)
K11	Сокращаемость	у длинного dst есть работающая краткая форма	0/1	человек	D39.39 Р3
K12	Term success rate (агрегат)	доля термов книги, доехавших до финала в правильной форме	доля	машинный, лемматизированно	WMT25 terminology accuracy

Обоснование добавленных. K5b и K12 — прямые заимствования (ISO 704 / WMT25), их не было в стартовом наборе, и они дешёвые. K8 — коллизия найдена живьём на подписанном сиде (§A2.3). K9 — §A4 показал, что академическое «золотой эликсир» и жанровое «золотое ядро» это РАЗНЫЕ традиции. K10 — следствие §A1.3. K11 — вопрос Р3 из D39.39, переведённый из спора в критерий.

Критерий, который я НЕ включаю, и довод: «краткость» (Лотте, ISO 704 linguistic economy). Она измерима тривиально (длина), но прямо оспорена Суперанской («точность в нем важнее краткости») и на художественном тексте конфликтует с K1 и K6. Если владелец хочет — включается одной строкой, но по уликам это не бесспорный критерий, а предпочтение.

A2.2 Шкала серьёзности и катастроф-экран

Шкала — заимствованная, не выдуманная: neutral (приемлемый вариант, помечен для внимания) · minor · major · critical (автоматический Fail). Веса MQM Council по умолчанию 0 / 1 / 5 / 25; Google-версия использует другие. ⟨ВЛАДЕЛЬЦУ⟩ — Q1.

Ни один балл по K1–K12 не компенсирует катастрофу. Экран бинарный (critical), и он применяется и к победителю тоже (урок exp12/13):

• C1 — dst меняет смысл на противоположный или несовместимый (класс «шкала сломана в 10 раз» из пакета-6);
• C2 — dst раскрывает сюжетный поворот раньше книги;
• C3 — dst нарушает подписанный канон книги (CANON-NOTES.md);
• C4 — dst внесён из красного источника (§A1.3).

A2.3 Проба ИЗМЕРИМОСТИ — исполнена, не декларирована

Рубрика без работающей измерялки — мнение. eval/pkg7/rubric_probe.py прогнан по подписанному владельцем сиду guzhenren-seed-v2.yaml (58 термов с dst):

M1 разобрано pymorphy3: 58/58; вершина УГАДАНА предсказателем: 14
M1 объявлены формы в сиде: 42; СОВПАЛИ с порождёнными: 18 (0.429)
M1 конфликт «invariant vs склоняемость», вершина СЛОВАРНАЯ: 10
M2 нарушений (латиница/цифра/фонотактика Палладия): 0
M3 один src → несколько dst: 0
M3 один dst → несколько src: 1  {'культивация': {'修炼', '修行'}}

Читается так:

• K3/M2 — измерим бесплатно, но ЭТА проверка круговая. Ноль нарушений на эталоне означает, что линейка не стреляет по чистым данным — и только. Сид строился по той же таблице Палладия, которой линейка проверяет: это согласие таблицы с самой собой, а не доказательство верности транскрипции (поправка критика полноты, §A1.0). Настоящая проверка K3 требует внешнего эталона — изданного перевода той же книги или нормативного документа ГУГК/Концевича, и ни того, ни другого у нас пока нет.
• K8/M3 — измерим полностью и сразу нашёл настоящую коллизию: 修炼 и 修行 в подписанном сиде имеют ОДИН dst «культивация». Для терминолога это ровно тот случай, где обратное отображение неоднозначно, а для §A4 — сигнал, что различение 修炼/修真/修行 у нас пока стёрто.
• K5/M1 — измерим только как ЭКРАН, не как арбитр. pymorphy3 разбирает вершину у всех 58, но у 14 — предсказателем (транслитерированные онимы: «Чилянь» разбирается как глагол, порождая «чилянувшего»); и он не согласует зависимые («первый ранг» → «первого ранг» вместо «первого ранга»). Поэтому: автомат годится, чтобы поймать «объявлено неизменяемым, а по словарю склоняется», и НЕ годится, чтобы проверять рукописные decl.forms. Цифра 0.429 — это НЕ доля ошибок владельца, это доля случаев, где автомат вообще способен вынести суждение.
• Собственная ошибка, найденная исполнением: первая версия пробы брала вершиной последний токен и на «Монах Цветочного Вина» склоняла «Вина» — согласие вышло 0.238 по МОЕЙ вине. После правила «у имени вершина последняя, у нарицательного словосочетания первая» — 0.429. Требование из этого: правило вершины зависит от типа терма, и любой морфо-чекер обязан его знать.

A2.4 Слепой протокол оценки

Протокол переписан против литературы §A2.0, а не только против нашего опыта. Три пункта изменились именно потому, что улики противоречили моему первому наброску, и это отмечено явно.

1. Единица оценки — терм×книга, не чанк: терминолог решает про терм.
2. Что видит оценщик: src · 5–8 KWIC-контекстов из исходника (kwic.py) · список вариантов dst в перемешанном порядке. Что НЕ видит: какой арм/промт произвёл вариант, какой вариант чей, есть ли среди них подписанный.
3. Способ скоринга — Best-Worst Scaling, а не абсолютные баллы MQM. ⟵ ИЗМЕНЕНО против первого наброска. Довод — улика, а не вкус: на литературном материале при MQM-оценке ~60% человеческих переводов ошибочно признаются не лучше машинных, тогда как BWS опознаёт человека в 80–100%. Абсолютная MQM-шкала остаётся только для катастроф-экрана (critical), где она бинарна и не требует градаций.
4. Плацебо-арм — СО СЛУЧАЙНОЙ терминологией, а не «без терминологии». ⟵ ИЗМЕНЕНО. WMT23 показал, что правильная и случайная терминологические подсказки дают ПОХОЖИЙ прирост по метрикам качества; значит арм «без глоссария» ничего не доказывает, а арм «со случайным глоссарием» — доказывает. Дополнительно среди вариантов держим подписанный владельцем dst (где он есть): оценщик, не отличающий подписанный вариант от случайного, отбраковывается вместе со своими вердиктами.
5. Соль перемешивания — по терму (не по прогону): урок D13.5, иначе метка утекает через порядок. Оговорка: позиционный свап на кураторских наборах, по работе 2026 г., может УХУДШАТЬ результат (−4…−13 п.п.) при доминирующем style bias. Поэтому свап делаем, но эффект свапа измеряем отдельно и не считаем его бесплатным.
6. Согласие: считаем пер-критерий, а не в среднем — «в среднем сходится» скрывает расхождение на несущем критерии. Каждое мульти-сигнальное утверждение проходит leave-one-out по оценщику и по критерию. Целевой уровень назван заранее: Krippendorff α 0.69–0.79 как ориентир литературных фреймворков; ниже 0.6 результат не выдаётся (F4). ⚠ Оговорка: эти пороги взяты из вторичного изложения, первоисточник не открыт — то есть порог F4 сегодня держится на непроверенной цифре, и если владелец захочет строгости, его надо либо подтвердить, либо назначить волевым решением. Напоминание из литературы: реальное межаннотаторское согласие на MQM низкое (Kendall τ-c 0.116), поэтому высокого α по абсолютной шкале ждать не следует — ещё один довод за BWS.
7. Бюджетное правило — один оценщик на элемент, но больше элементов (рекомендация Google при фиксированном бюджете), а не три оценщика на малую выборку.
8. Судьи: ≤2 семейства, судья не судит выход своего семейства (D13.3); риг-стандарт D39.7 (per-vote, полно-evidence, floor-гейт). Известные смещения LLM-судьи держим в уме количественно: self-enhancement до 10–25%, мультиязычный Fleiss κ ≈ 0.3.
9. Порядок: сначала машинные критерии (K3/K4/K8/K10/K12 — $0, матчинг ЛЕММАТИЗИРОВАННЫЙ по рецепту WMT), и только термы, прошедшие машинный слой, идут к человеку/судье. Это прямо снижает смету фазы B.

A2.5 ⟨ВЛАДЕЛЬЦУ⟩ — что решать

• Q1. Веса и шкала. Брать ли экспоненциальные веса MQM Council (0/1/5/25) или свои? Улика говорит, что «правильных» весов нет — их выбирают под задачу. Мой довод, не решение: K1 и катастроф-экран должны доминировать; K6 (благозвучие) — самый дорогой и самый спорный, его вес определяет, нужен ли человек в петле вообще.
• Q2. K2 против K1. Что делать, когда жанровая конвенция и смысловая верность расходятся (жанровое «золотое ядро» vs академический «золотой эликсир»)? Это выбор регистра издания, не измерение.
• Q3. Единица «хорошо». Порог приёмки терма — все критерии ≥1, или взвешенная сумма ≥ порога? Первое строже и проще защищать.
• Q4. K11 и Р3 из D39.39. Считаем ли сокращённую форму отдельной строкой банка (со своим dst) или полем существующей? От ответа зависит и рубрика, и precision K5c/K6 в паке-21.
• Q5. Повторяющаяся ошибка — штрафуем каждое вхождение или только первое? MQM требует решить это ЗАРАНЕЕ. Для книги, где термин повторяется сотни раз, это решение и есть вся арифметика оценки: при «каждое вхождение» один неверно переведённый частотный терм топит книгу, при «только первое» — теряется вес систематической ошибки.
• Q6. Включаем ли «краткость» в рубрику (Лотте/ISO 704) при том, что Суперанская прямо ставит точность выше краткости, а на художественном тексте краткость конфликтует с K1/K6.

---

§A3. Многокнижный майнинг: что есть на самом деле

A3.1 Материал и субстрат

Книга	Язык / жанр	Взято	Чанков	Символов
蛊真人 (gu-zhenren)	zh, сянься-вебновелла	главы 1–10 / 25 / 50 / 100	123 / 305 / 613 / 1221	192 711 / 471 496 / 951 774 / 1 921 059
金瓶梅 (jinpingmei)	zh, классика (претрейн)	весь ctext-срез, 12 回	66	102 669
異世界魔術師 (isekai)	ja, исэкай-вебновелла	41 話	138	226 257
Empire of the Dawn	en, тёмное фэнтези (epub)	122 документа spine	958	1 589 870
Fifty Shades of Grey	en, совр. роман (претрейн)	26 глав	446	814 756

Субстрат общий: {chapter, chunk_idx, source} — ровно то, что pipeline/mining.go:52-55 подаёт в miner.Chunk. Нарезка НЕ боевая (боевой чанкер режет по output-бюджету модели); отклонение пре-регистрировано и замерено — см. A3.9.

A3.2 Прогоны боевого майнера (пин 996bade)

Срез	Символов	Время	RSS	Эмитировано	По типам
jpm 12回	102 669	3.74 с	70 МБ	23	name 21 · place 2
gu 10гл	192 711	10.83 с	86 МБ	15	name 11 · place 2 · title 2
gu 25гл	471 496	50.47 с	125 МБ	17	name 11 · place 2 · title 4
gu 50гл	951 774	212.09 с	298 МБ	12	name 9 · place 2 · title 1
gu 100гл	1 921 059	1124.65 с	365 МБ	14	name 8 · place 3 · title 3

Сид при прогоне ПУСТОЙ — иначе замер вырождается: miner_emit.go:129 исключает засеянные поверхности по построению.

A3.3 Находка 1: recall WHICH-канала против подписанного банка

seed_recall.py, знаменатель — только термы сида, физически встречающиеся в срезе:

Срез	Термов сида в срезе	Предложено как терм	Как терм ∪ алиас	name	title	place	term	nickname
gu 10гл	53	4 (0.075)	4 (0.075)	0.250	0.077	0.000	0.000	0.000
gu 25гл	56	4 (0.071)	5 (0.089)	0.231	0.077	0.000	0.043	0.000
gu 50гл	58	4 (0.069)	6 (0.103)	0.231	0.154	0.000	0.040	0.000

Не предлагается НИКОГДА, при таких частотах в 50 главах: 蛊 8700× (заглавное понятие книги) · 转 2171× · 蛊师 1429× · 蛊虫 978× · 真元 471× · 古月 451× (родовое имя главного героя!) · 修行 326× · 南疆 189×.

Механизм — код, а не тюнинг (miner_emit.go:241-252):

func emissionEligible(c scoredCand, subsumed, seedSurfaces map[string]bool, pack *lang.Pack) bool {
	if !hasAnyType(c.Types, "name", "place", "title") { return false }   // ← «term» не эмитируется НИКОГДА
	if c.Freq < emitMinFreq || subsumed[c.Src] || runeLen(c.Src) < 2 { return false }  // ← 蛊/转 отсечены длиной
	if isFragment(c.Src, seedSurfaces, pack) { return false }
	return true
}

Тип присваивает только паттерн-канал (фамилия/топо-суффикс/титул-суффикс). У доменного понятия паттерна нет ⇒ Types пуст ⇒ строка не эмитируется. Это не баг: докшапка miner.go:20-24 прямо говорит, что инварианты — это множество кандидатов, recall@proposed и катастроф-экран, а dst доставляет банкнота. Но следствие для пака-20 надо назвать вслух: вход терминолога, собранный сегодняшним WHICH-каналом, почти не содержит жанровых терминов — 3%-разъезд каналов D39.42 в разрезе по классам выглядит как 0.23 на именах и 0.04 на терминах.

A3.4 Находка 2: абляция — сколько recall стоит каждый фильтр

Ablation на пин-копии (правки только в скретчпаде, репозиторий не тронут), срез gu 25 глав, 56 термов сида:

Вариант	Что снято	Эмитировано	recall (терм∪алиас)	term	title	place	name
A — как в проде	—	17	0.089	0.043	0.077	0.000	0.231
B	потолок emitRankCap = 200	624	0.429	0.087	0.846	0.800	0.462
C	B + фильтр типа name|place|title	13 246	0.875	0.870	0.923	0.800	0.846
D	C + фильтр длины runeLen < 2	15 418	0.911	0.913	1.000	0.800	0.846

Precision спот-чек по варианту C (детерминированная выборка 30 строк, сид 20260726, разметка моя, один разметчик): годными выглядят ~4–6 из 30 (蛊群, 古月赤城, 浪迹天涯, 云土, 议论声), остальное — грамматические огрызки (便是, 有多, 的关, 分之一, 动的, 则是一). Precision ≈ 0.15, и это спот-чек, а не измерение.

Что это значит для архитектуры терминолога. Полный банк книги ДОСТУПЕН — он лежит в ранжированном множестве и достаётся снятием двух констант. Не доступна была подписываемость: 15 418 строк владелец подписать не может, 17 — может. Роль терминолога меняет именно эту экономику: консолидировать 13k кандидатов модель может за центы, а подписывать их человеку не нужно (авто-режим D39.42 п.3). То есть у D39.42 появилось количественное основание, которого раньше не было: потолок покрытия — не свойство детектора, а свойство слоя эмиссии, и он снимается. Чего это стоит — отдельный вопрос сметы: 13k кандидатов × KWIC-контексты это уже не «центы/книга» (см. A5.5).

A3.5 Находка 3: покрытие не растёт с длиной книги и теряет уже найденное

10гл → 15 термов, 25гл → 17, 50гл → 12, 100гл → 14. Исчезнувшие между 25 и 50 главами: 凤金煌, 天鹤上人, 学堂家老, 石人, 百家族长, 李小白, 白骨山, 葛谣(частично).

Механизм виден в самой дельте gu50:

葛家	name	357	1	学堂家老|家族长|家老|族长|百家族长|老族长|葛家老族长	surname:葛|formant_prefix:葛

Алиас-кластер фамилии 葛家 («род Гэ») проглотил родовой титул 族长 («глава клана») и 学堂家老 («старейшина школы») — титул, принадлежащий вообще другому клану (古月), и именно тот терм, который владелец подписал на мини-прогоне 26.07 с dst «старейшина школы» (D39.37). Проверено по тексту через kwic.py:

[гл.1/0] …古月族长中年模样，两鬓微霜，一身素白庄重的祭祀服装…      ← 族长 при клане 古月
[гл.21/0] …我是葛家部族的人，名叫葛谣，我的阿爸就葛家的族长…        ← 族长 при клане 葛家
[гл.4/0]  …负责此行的，是学堂家老。他须发皆白…                      ← 学堂家老, клан 古月

族长 — общеродовой титул, встречающийся при разных кланах; склеивать его в сущность одной фамилии неверно. Это точечный дефект кластеризации с адресом и воспроизведением, и он стоит владельцу подписанного терма.

A3.6 Находка 4: генеральность — ja и en

Громкая часть (работает как задумано): lang.Load(root,"ja","ru") и (...,"en","ru") падают:

langpack "ja-ru": open .../langpacks/ja/surnames-single.txt: no such file or directory
(add the file or fix the book's source_lang/target_lang; D39.15: language data is required, never silently empty)

То есть не-ханьская книга сегодня просто не конфигурируется — обещание D39.15 «никогда молча пусто» исполняется.

Тихая часть (дыра): если не-ханьский текст провести под ZH-паком (мисконфигурация или переиспользование пары), майнер не отказывает:

Книга	Эмитировано	Верных	Что вышло
Fifty Shades (en)	0	—	пустая дельта ⇒ mining.go:70-73 пишет INFO «empty delta, auto-continuing» и стоп молча пропускает книгу
Empire of the Dawn (en)	0	—	то же
異世界魔術師 (ja)	8	0	все восемь — обычная японская лексика, опознанная как китайские фамилии

Японские восемь целиком:

何処 name surname:何   ← «где»          何故 name surname:何   ← «почему»
元々 name surname:元   ← «изначально»   危険 name surname:危   ← «опасность»
王国 name surname:王   ← «королевство»  王女 name surname:王   ← «принцесса»
范囲 name surname:范   ← «диапазон»     马鹿 name surname:马   ← «дурак»

И отдельная мина: эмитированная строка не существует в книге. text.NormalizeSourceKey фолдит trad→simp, поэтому 範囲 (13 вхождений) выходит как 范囲 (0 вхождений), 馬鹿 (34) — как 马鹿 (0). Проверено grep -c по исходному файлу. Для японской пары такой ключ не найдёт себя ни в инъекции, ни в пост-чеке.

Мои каналы для en/ja (mine_nonhan.py, три независимых канала, считаются раздельно):

• en, ORTHO+DISP+CONTRAST (опора — вторая английская книга стенда, кросс-книжный контраст). Верхушка Empire of the Dawn: dior · gabriel · aaron · jean-françois · voss · grail · phoebe · león · maryn · reyne · empress · marquis · redeemer · unbound · ashdrinker · silversaint. Многословные, которых боевой канал не может произвести в принципе: Forever King · Last Silversaint · Iron Maiden · San Michon · Empress of Wolves and Men · Holy Grail of San Michon · Cathédrale de Lumière · Fivefold Throne · Tower of Tears · Petit Monstre. У Fifty Shades тот же канал вытащил жанровые ролевые термины dominant(123×, 6 глав) и submissive(120×, 4 главы) — они капитализованы в тексте как роли, и это редкий случай, когда жанровое понятие ловится орфографией.
• ja, канал катаканы — 65 кандидатов, качество высокое без всякого контраста: имена (ヤード · ソフィ · ティア · フェアリス · ナタリア) и жанровые расы/реалии (エルフ · ハイエルフ · ダークエルフ · ウッドエルフ · ドラゴン · メイド). Боевому майнеру катакана невидима полностью.
• ja, канал «одинокой строки» — 30 кандидатов, и это самый ценный класс книги: 記憶閲覧 · 記憶抽出 · 窃思 · 支配 · 上級治癒 · 上級転移 · 上級集団転移 · 思考誘導 · 遮音結界 · 術式暴走 · 術式消去 · 隠密 · 施錠 · 解呪 · 誓約. Это названия техник магической системы. В дампе syosetu они уплощены из руби/эмфазы в отдельные короткие строки — разметка исходника несёт терминологический сигнал, и мы её выбрасываем. Частоты этих термов 2–10, то есть они ниже боевого порога emitMinFreq = 5 и ниже FreqFloor = 3 для половины списка. Класс, который в книге важнее всего, по частоте самый бедный.
• ja, канал кандзи отдан боевому майнеру: моя первая версия пыталась контрастировать кандзи против jieba-словаря и получила вырожденное ранжирование (для OOV-слова лапласова вероятность постоянна ⇒ «над-представленность» = log частоты ⇒ наверх всплыли 彼女/見/気). Ошибка моя, найдена исполнением, канал понижен до инвентаря.

A3.7 Находка 5: масштаб квадратичен

Лог-лог-фит по четырём срезам ОДНОЙ книги (вторая книга в фит не смешана):

t ≈ exp(-22.231) · chars^2.013
  192 711 симв. → факт 10.83 с   / модель 9.59 с
  471 496       → факт 50.47 с   / модель 58.06 с
  951 774       → факт 212.09 с  / модель 238.69 с
1 921 059       → факт 1124.65 с / модель 981.09 с

Показатель 2.013 — чистая квадратичность. Экстраполяция на приёмочную книгу (7.78 млн символов): ≈4.6 часа одного офлайн-прохода майнинга, RSS по тренду — единицы гигабайт. Это не деньги, это время и память, и это вход в решение о МАСШТАБЕ (D39.33: масштаб последним). Экстраполяция помечена как экстраполяция: замеров выше 1.9 млн символов нет.

Кандидаты источника квадратичности видны в коде и НЕ проверены исполнением (профиля не снимал): subsumedCandidates перебирает по длинам все пары кандидатов (miner_detect.go:80-103); computeCValue для каждого кандидата перечисляет все его подстроки (miner_detect.go:38-75); countOccurrences/entitySinceCh сканируют весь текст на кандидата.

A3.8 Находка 6: классы терминов по языкам и жанрам

Сводка по всем пяти книгам. Колонка «где живёт» — ответ на вопрос промта «что жанровое ↔ что книжное ↔ что серое».

Класс	zh сянься	zh классика	ja исэкай	en тёмное фэнтези	en совр. роман	Где живёт
Личное имя	方源, 白凝冰	李瓶儿, 王婆	ヤード, ソフィ	Dior, Gabriel	Christian, Ana	книжное
Родовое/клановое имя	古月, 葛家	—	ウェルナ	Chastain, Voss, House Augustin	Grey, Steele	книжное
Топоним	南疆, 青茅山	—	イストリア	San Michon, Dún Maergenn	Seattle, Escala	книжное (реальные — жанровое)
Организация/секта	仙鹤门	—	魔帝国	Silver Order, Endless Legion	Grey Enterprises Holdings Inc	книжное
Титул/ранг	族长, 家老, 蛊师, 一转…六转, 甲等…丁等	千户, 大舅	司教, 貴族	Marquis, Empress, Chevalier, Redeemer	Miss, Sir	ЖАНРОВОЕ
Жанровое понятие системы	蛊, 修炼, 真元, 空窍, 资质, 元海	—	術式, 魔導, スキル	Grail, Silversaint, Unbound	Dominant, Submissive	ЖАНРОВОЕ
Техника/приём	春秋蝉, 炼化	—	記憶閲覧, 遮音結界, 上級転移	Sainted Blade	—	книжное (шаблон — жанровый)
Артефакт/предмет	月光蛊, 元石	—	オーブ	Ashdrinker, Moonsthrone	Charlie Tango, Red Room of Pain	книжное
Существо/раса	妖, 魔	—	エルフ, ハイエルフ, ドラゴン	—	—	ЖАНРОВОЕ
Единица меры/времени	时辰, 转	钱银子	—	—	—	ЖАНРОВОЕ (пара)
Обращение/гоноратив	娘子, 姑子	妈妈, 大姐	-様, ご主人様	Mlle, Mother	Miss/Mr	ЖАНРОВОЕ (пара)

Три вывода из таблицы.

1. Жанровые классы — это ровно те, которые боевая эмиссия не отдаёт (титулы 0.077–0.154, понятия системы 0.040, существа/расы — вне ханьского канала). Книжные классы (имена) она отдаёт лучше всех (0.231). Разделение труда напрашивается само: имена — майнеру, жанровые классы — langpack-словарю и терминологу.
2. «Серое» существует и его надо назвать: титул 族长 жанровый, а 四代族长 («Четвёртый глава рода») — книжный; раса エルフ жанровая, а ハイエルフ/ダークエルフ — на границе (общежанровые, но набор варьируется книгой); золотое ядро жанровое, а какое именно ядро у героя — книжное. Правило, которое я предлагаю: жанровое = встретится в другой книге того же жанра без изменения смысла. Проверяемо: терм жанровый, если он есть минимум в двух книгах жанра.
3. Классов, которых наш сид сегодня не различает, два: «единица меры» (сидит в term, хотя ведёт себя как title/системное) и «обращение/гоноратив» (в zh сидит в title, в ja потребует своего механизма — это вход пака-19 «ты/вы», а не терминолога).

A3.9 Самопроверки исполнением

Мандат 12.07 требует пере-мерить своё другим способом. Сделано четыре проверки, три из них поймали МОИ ошибки.

1. Чувствительность к нарезке (главная — она валидирует весь §A3). Гипотеза: моя нарезка не боевая, значит могла сдвинуть результат. Пере-мерил свипом целевого размера чанка 800 / 2000 / 6000 символов на gu10: эмитированное множество побайтно одинаково, Жаккар 1.000, |A∩B∩C| = |A∪B∪C| = 15. Отклонение субстрата на результат не влияет — цифры §A3 не артефакт нарезки.
2. KWIC-проверка разметки. Все спорные кандидаты 金瓶梅 проверены по тексту, а не по памяти. 应伯爵山 оказался не дефектом майнера, а артефактом исходного файла: в ctext-срезе заголовки обрезаны многоточием («应伯爵山... :»), и майнер честно нашёл частую строку. 明日 («завтра») и 钱银子 («…цянь серебра») — настоящие ложняки фамильного паттерна. 玉楼 — сущность верна (孟玉楼, персонаж), тип неверен (place через topo_suffix:楼). Алиасы 金莲道/李铭道 приклеили глагол 道 («сказал»). Спот-precision по 金瓶梅 (23 терма, разметка моя, один разметчик, претрейн-классика ⇒ предварительно): сущность верна у 20/23 = 0.870; сущность И тип верны у 19/23 = 0.826; из 5 алиасов 2 глагольных огрызка.
3. Собственные дефекты кода, найденные исполнением (все исправлены, все описаны в шапках скриптов): токенайзер [A-Za-z] резал «Jean-François» → jean-fran; притяжательные Dior’s шли отдельным кандидатом; строки капслоком давали ложную улику заглавной (forever/dead/god в верхушке); заглавные местоимения клеились к именам (Miss Steele He, Anastasia I’m); колонтитул epub («Empire of the Vampire 3 — Empire of the Dawn») дал фантомных кандидатов dawn и Vampire Empire с рассеянием 125/126 «глав»; контраст кандзи против zh-словаря выродился в ранжирование по частоте.
4. Мутация пин-копии как причинный тест. Абляция A3.4 — это не рассуждение о том, какой фильтр виноват, а четыре сборки с по-одному снятым фильтром и четыре замера recall.

A3.10 Фактура требований к generic-майнеру (хвост №8 D39.37) — не чиню, собираю

#	Требование	Из какого замера
G1	Алфавит кандидатов — данные пары, не unicode.Is(unicode.Han). Нужны как минимум: ханьские руны · руны катаканы · капитализованные последовательности с разрешёнными служебными инфиксами	A3.6: en даёт 0, ja теряет весь катакана-класс
G2	Многословный кандидат с функциональными словами внутри («Empress of Wolves and Men»). Ханьская n-грамма этого класса не выражает	A3.6
G3	Нормализация ключа не должна выводить строку за пределы книги. trad→simp-фолд на ja даёт 范囲, которого в книге нет	A3.6, проверено grep
G4	Порог частоты — на класс, не глобальный. Техники ja живут на частотах 2–10, ниже emitMinFreq=5	A3.6
G5	Разметка исходника — сигнал. Руби/эмфаза/кавычки-«ёлочки» вокруг термина: канал «одинокой строки» дал 30 кандидатов с precision на глаз ~1.0	A3.6
G6	Контраст-корпус нужен на каждую пару. Для en кросс-книжный контраст сработал; для ja опоры нет вообще	A3.6
G7	Эмиссия должна отделять «что показать владельцу» от «что отдать терминологу». Сегодня один потолок в 200 обслуживает обе задачи и калечит вторую	A3.4
G8	Кластеризация обязана не поглощать родовой титул фамилией. Признак: поверхность встречается при ≥2 разных фамильных якорях ⇒ она не алиас ни одной из них	A3.5
G9	Сложность. Квадратичность на 7.78 млн символов = 4.6 ч; нужен либо потолок на длину прохода, либо инкрементальный майнинг по частям книги	A3.7
G10	Тихая пустая дельта — опасна. emitted=0 на не-ханьской книге неотличима от emitted=0 на чистой; нужен различающий сигнал (сколько кандидатов вообще породил алфавит)	A3.6

---

§A4. Жанровый словарь-драфт — НА ПОДПИСЬ ВЛАДЕЛЬЦУ ⚠ МЕХАНИЗМ ОТМЕНЁН

⚠ ОТМЕНЕНО решением владельца 26.07.2026 (ратификация — за оркестратором). Подписывать здесь нечего. Жанровый словарь отменён как класс: решение о переводе принадлежит подписи владельца на банк памяти, а пар-словарь навязывал бы одно видение всем книгам пары, тогда как выбор «культивация» против «совершенствования» — законно разный у разных книг. Уликовая часть §A4 сохраняет силу как ФАКТУРА (что говорит словарь, что говорит узус, где сходимость ложная) — именно она и обосновала отмену: §A4.1 показал, что «общепринятого» нет. Подписной статус снят со всей секции, включая таблицу §A4.3. Развязка — записка оркестратору №10.

A4.1 Центральный спор: 修炼/修真/修行 — «культивация» или «совершенствование»

Посылка, которую я проверял: D39.42 п.1 фиксирует со слов владельца, что общепринятое индустрией — «культивация», а не «совершенствование».

Что нашли улики. Рынок расколот, и раскол проходит ровно по линии «лицензионная бумага и академия» vs «фан-площадки».

Сторона «совершенствование» — первичные источники:

Улика	Источник	Дословно
Эксмо/Комильфо, «Мастер тёмного пути. Том 1», ISBN 978-5-04-232151-1	eksmo.ru (первичный, издательская аннотация)	«был уничтожен силами мира совершенствующихся за свои злодеяния»
То же издание, электронная карточка	eksmo.ru	«Чтобы спасти юных совершенствующихся от опасности…»
Истари Комикс, «Магистр дьявольского культа», 2022, пер. М. Кулишова	аннотация	«кланы заклинателей», «Орден Гусу Лань» — прямого термина 修炼 нет вообще, выбрана ролевая замена
«Духовная культура Китая», т. 2, 2007, ст. Б. Л. Рифтина	synologia.ru	仙 «бессмертный». «В китайской даосской и поздней народной мифологии разряд святых»
Е. А. Торчинов	сетевое зеркало (статус medium)	内丹 = «внутренняя алхимия»; 丹田 = «киноварные поля — центры энергии ци»
ru.wikipedia, «Сянься (жанр)»	ru.wikipedia.org	«Главными героями обычно являются «совершенствующиеся»» — слов «культивация»/«культиватор» в статье нет (проверено адресно мной, не только ресёрчером)

Сторона «культивация» — вторичные и площадочные:

Улика	Источник	Оговорка верификатора
тег «культивация», выдача до 137 страниц	tl.rulate.ru	системный тег платформы — улика узуса, принимается
тег «Культивация», до 28 страниц	ranobes.com	то же
«маги-культиваторы»	«Мир фантастики», 14.07.2021	MISQUOTED: заявленная цитата была грамматически невозможной склейкой; фраза в оригинале относится к китайской НФ, а не к героям сянься. Тезис (журнал употребляет слово) верен, улика ослаблена
«Мир Культивации», «Боевые культиваторы»	tl.rulate.ru/collection/12	OVER_ATTRIBUTED: это НЕ редакционное описание площадки, а коллекция пользователя hentaiman; сам текст говорит «Данные категории отражают МОЕ понимание»
глоссарии ranobe-novels.ru, aoimevelho	фан-глоссарии	см. ниже — это ОДИН источник

Ложная сходимость, вскрытая и подтверждённая. Русские «словари терминов сянься», выглядящие как независимые подтверждения, — ветви одного английского глоссария. Блог aoimevelho сам декларирует: «Частичный перевод этой статьи: immortalmountain.wordpress.com/glossary/wuxia-xianxia-xuanhuan-terms/». Глоссарий ranobe-novels.ru воспроизводит тот же корпус статей — и выдаёт себя machine-translation-артефактом: 灵石 описан как «валюта среди земледельцев» (англ. cultivators → «земледельцы»). Пост на author.today («культивированием из-за корявого перевода с английского») размножен тем же автором на litnet и pikabu. Итого: не пять согласных площадок, а один английский глоссарий + один русский блогер. Это работает в обе стороны: механически подтверждает, что «культивация» действительно пришла калькой через английские фан-переводы, и одновременно обесценивает аргумент «много русских источников согласны».

Аналогично: аннотации на Лабиринте, Читай-городе, book24 и Фантлабе воспроизводят ОДНУ издательскую аннотацию — это один свидетель (издатель), а не четыре. Реально независимых линий узуса — четыре: (а) Эксмо/Комильфо → «совершенствующиеся»; (б) Истари → «заклинатели/Орден»; (в) ru-wiki + Фантлаб → «совершенствующиеся»/«адепты»; (г) фан-слой → «культивация».

Честный вердикт — и главное ограничение, которое его подрезает.

• ФАКТ: в найденном корпусе аннотаций лицензионных изданий и в академии «культивация» не зафиксирована ни разу.
• ФАКТ: на фан-площадках «культивация/культиватор» — рабочий жанровый ярлык с тысячами тайтлов.
• ⚠ ОГРАНИЧЕНИЕ КЛАССА УЛИКИ (находка критика полноты, снимает половину силы вывода): вся издательская сторона стоит ЦЕЛИКОМ НА АННОТАЦИЯХ. Аннотацию пишет маркетинг, а не переводчик, и она систематически смещена ПРОТИВ жаргона: её задача — быть понятной тому, кто жанра не знает. Это не «мало улик», а улика не того класса. Вывод «издательский регистр = совершенствование» на ней не держится; держится более слабое: «в маркетинговом тексте издателя жаргон не используется». Тело изданий не читано (§X), а именно оно решает спор.
• ИНТЕРПРЕТАЦИЯ (моя, помечена): «рынок устоялся на культивации» верно для площадочного слоя; для издательского слоя вопрос остаётся открытым до чтения тел изданий, а не решён в пользу «совершенствования».
• Довод, которого не было ни у одной стороны и который стоит держать при выборе: русское «культивация» несёт сельскохозяйственную омонимию (культивация почвы, культиватор как орудие). Для K1/K8 это прямой минус, независимый от узуса; «совершенствование» такой омонимии не имеет, но перегружено общеязыковым значением. Ни один найденный источник этого не обсуждает.

⟨ВЛАДЕЛЬЦУ⟩ — три варианта, решение ваше. Я не подставляю свой вкус в подписанный контракт.

Вариант	Что кладём в genre-glossary	Довод за	Довод против
V1. Издательский регистр	修炼/修真/修行 → совершенствование	совпадает с бумагой и академией; целимся в «издательский художественный перевод» (формулировка CLAUDE.md)	расходится с ожиданием читателя площадок; ваша исходная посылка ставила «культивацию»
V2. Площадочный регистр	→ культивация (как сейчас в untracked-файле)	совпадает с языком аудитории вебновелл; термин компактен и склоняем	не подтверждён ни одним первичным издательским/академическим источником; в бумаге его нет
V3. Расщепление по регистру книги	поле genre/регистр решает: бумажный регистр → «совершенствование», площадочный → «культивация»	улики говорят, что это ДВА узуса, а не один правильный; механизм уже есть — третья колонка genre в формате файла	усложняет: требует, чтобы у книги был объявлен регистр, и делает langpack не единственным для пары

Моя рекомендация — сначала V0, потом (если придётся выбирать сразу) V3.

V0 — не подписывать эту строку сейчас, а сначала закрыть класс улики. Один заход стоимостью $0 (search-inside по телам двух ISBN + частотный узус по НКРЯ и Google Books Ngram с разбивкой по годам) превращает спор из перецитирования в измерение. Сегодня подписывать предлагается на основании маркетинговых аннотаций — это слабейшая опора из возможных, и сказать это надо ДО подписи, а не после. (Первая редакция отчёта рекомендовала сразу V3; правка — по находке критика полноты о классе улики.)

Если решать без добора — V3, и вот почему это не увиливание: улики не показывают одного узуса, они показывают два, разделённых по типу издания, а файл genre-glossary.txt уже имеет ровно тот механизм, который это выражает (третья колонка — метка, сопоставляемая с полем genre книги). V1 сильнее по классу улик среди «однозначных» вариантов, но именно он максимально расходится с исходной посылкой владельца — тем более это решение владельца, не моё.

Отдельно, чтобы не потерялось: различение 修炼 / 修真 / 修行 в нашем сиде сегодня стёрто — 修炼 и 修行 имеют один dst «культивация» (найдено машинно, §A2.3 M3). Фан-глоссарий даёт разбор «修真 — совершенствование в истинном; 修行 — совершенствовать поведение и нравственность, отшельничество». Три разных понятия под одним русским словом — это то, что терминолог обязан будет решать, и лучше решить один раз в жанровом словаре.

A4.2 Транскрипция: система Палладия

Статус (ЭКД, ноябрь 2019): «Палладица — общепринятая система. Она указывается в китайско-русских словарях, ее используют при переводе официальных и юридических документов». Нормативная фиксация: «В 1980-х Львом Концевичем для Академии наук СССР была разработана инструкция по передаче средствами русской графики китайских имен собственных». Переводчик китайской литературы Алина Перлова: «В работе строго придерживаюсь палладицы, считаю дурным тоном ее незнание».

Правила, которые ломаются системно (все три уже покрыты нашим langpack — сверено с palladius.txt и palladius-phonotactics.txt):

• -ng → -н, -n → -нь (контринтуитивно; типовая фан-ошибка);
• zh → чж, не «дж»: «„Чж“ читается как „дж“… но пишется чж» (Гуанчжоу, не «Гуангжоу»);
• hui → хуэй (в топонимах традиционно «хой»), gui → гуй, ü → юй.

Мелкая фактическая поправка на будущее: ru.wikipedia приписывает создание системы архимандриту Иакинфу (Бичурину), 1839 г., а не самому Палладию Кафарову — популярная атрибуция неточна. Для контракта это ничего не меняет, но в доках лучше не воспроизводить ошибку.

A4.3 Таблица-драфт НА ПОДПИСЬ → СПРАВОЧНАЯ ФАКТУРА

⚠ Подписной статус СНЯТ (владелец, 26.07): жанрового словаря не будет. Таблица ниже читается как сводка улик по каждому терму (что даёт словарь, что узус, где спорно), а не как список соответствий к утверждению. Ценность её теперь отрицательная и от этого не меньшая: она показывает, что по центральным термам жанра единого рынка не существует.

Формат — как у genre-glossary.txt (src<TAB>dst[<TAB>genre]), но подписывается СОДЕРЖИМОЕ, а не файл: файл лежит в зоне бэкенда, и его правит их сессия.

Колонка «улика»: изд. = лицензионное издание · акад. = академический источник · плщ. = площадка/фан-глоссарий (зависимая линия, вес низкий) · UNCLEAR = улик не нашлось.

src	dst (предлагаю)	альтернативы	улика	спорность
修炼 / 修真 / 修行	⟨решение V1/V2/V3⟩	совершенствование · культивация · культивирование · самосовершенствование	изд.+акад. (соверш.) vs плщ. (культив.)	ВЫСОКАЯ — §A4.1
仙	бессмертный	сянь · небожитель	акад. (Рифтин, «Духовная культура Китая»)	низкая
气 / 氣	ци	пневма · эфир · энергия	акад. (веер соответствий: «пневма, эфир… энергия, жизненная сила»)	низкая для жанра
丹田	даньтянь	дантянь · киноварное поле	акад. («киноварные поля»), плщ. («Дантиан»)	средняя: жанр vs академия
内丹	внутренняя алхимия	—	акад. (Торчинов)	низкая
金丹	золотое ядро	золотой эликсир · золотая пилюля	плщ. (жанр) vs акад. («золотой эликсир или золотая пилюля»)	средняя: два регистра
经脉	меридианы	каналы	плщ. (одна зависимая линия)	средняя
灵石	духовные камни	—	плщ. (та же линия, с MT-артефактом)	средняя
内力	внутренняя энергия	внутренняя сила	плщ.	средняя
修为	уровень совершенствования	база культивирования	плщ. («База Культивирования» — калька)	высокая: калька
天劫	небесная кара	небесное испытание	плщ.	средняя
妖	демон / яо	монстр	плщ.	средняя
魔	дьявол / мо	изверг · демон	плщ.	высокая: 妖 и 魔 нельзя оба «демон»
江湖	цзянху	вольный мир · «Реки-озёра»	акад./энц.	низкая
侠	ся / рыцарь	герой · странствующий рыцарь	акад./энц.	низкая
走火入魔	искажение ци	цзоухожумо · отклонение цигун	акад. (CCMD-3: «Цзоухожумо… или отклонение цигун»)	высокая: у жанра своё
灵气 · 真气 · 筑基 · 元婴 · 剑修 · 心法 · 秘籍 · 功法 · 穴位 · 元神 · 长老 · 掌门 · 内门/外门 · 法宝 · 丹药 · 符箓 · 轻功 · 内功 · 境界 · 飞升	—	—	UNCLEAR	улик не собрано, см. §X

Что в словарь НЕ входит (и почему):

• Книжный канон: 古月, 方源, 春秋蝉, 蛊 — принадлежат 蛊真人, живут в сиде и CANON-NOTES.md. Терм книги в общем пар-слое = та самая утечка, которую называет гардрейл общности.
• Чужой фан-канон целиком: массовая выгрузка ranobe-novels/aoimevelho/Fandom — красный класс §A1.3, и правовой (share-alike/БД), и редакционный.
• Строки, где улика — одинокая фан-вики: в таблице они помечены плщ. и стоят со «средней/высокой» спорностью именно поэтому, а не для вида.

A4.4 Замечание по backend/configs/langpacks/zh-ru/genre-glossary.txt (чужая зона, не трогал)

⚠ Файл подлежит УДАЛЕНИЮ вместе с механизмом (решение владельца 26.07). Список того, что разматывать в паке-20 — записка оркестратору №10: фактор GenreDst в формуле консолидации · genreGlossaryMap в терминологе · загрузчик и GenreGlossaryFor в langpack · два теста · сам файл.

Пока я работал, бэкенд-сессия создала этот файл (untracked, 27 строк, куратор объявлен — владелец). Три его строки расходятся с уликами §A4.1–A4.3, и это стоит увидеть ДО подписи:

Строка файла	Что говорят улики
修炼 → культивация (и 修真, 修行 туда же)	развилка §A4.1; в бумаге и академии — «совершенствование»; плюс три разных понятия сведены в одно слово
筑基 → закладка основания	улик не найдено; площадочный вариант — «Основание Фонда» (явная калька). Строка UNCLEAR, а не общепринятая
修士 → культиватор	та же развилка, что и 修炼

Остальные строки файла (丹田, 灵气, 金丹, 经脉) уликами поддержаны или спорны умеренно. Это данные для владельца, не правка чужого файла.

A4.5 Японская пара: транскрипция, суффиксы, жанровый лексикон

Транскрипция — Поливанов, но статус слабее, чем у Палладия. «Система Поливанова сейчас является стандартом де-факто, она используется уже многие годы» — то есть де-факто, а не ГОСТ. Нормативная рамка «калька с Хепбёрна = ошибка» сформулирована прямо: такие написания «являются следствием незнания русскоязычными авторами традиций транскрипции японских имён и не допускаются профессиональными лингвистами». Оговорка о ложной сходимости (верификатор): эта формулировка и полемическая цитата про «суси/суши» — ОДИН голос: обе сноски РуВики ведут на Вадима Смоленского (susi.ru, 1998 и 1999). Считать их двумя подтверждениями нельзя. Полемику с другой стороны представляет Николай Караев (otaku.ru): «На сегодня поливановская система — это единственная приличная система транслитерации японского языка»; его же фразу с искажённым написанием имени цитировать дословно НЕЛЬЗЯ — четыре независимых чтения страницы дали 2:2 по написанию, сверки не вышло.

Позиции ИЗДАТЕЛЬСТВ по транскрипции — UNCLEAR. Публичных заявлений Истари / Азбуки / Эксмо о системе не найдено. Ближайшее — заявление ПЕРЕВОДЧИКА ранобэ (ник Ushwood; связка «переводчик Истари» держится на одном стороннем источнике, реальное имя не подтверждено и в док не ставится): «Вообще-то я при переводе имен с японского обычно руководствуюсь системой Поливанова – если персонажи являются японцами». То есть в изданной практике Поливанов — правило по умолчанию с оговоркой по сеттингу: для псевдоевропейских миров имена передаются на европейский манер. Для нашей книги это прямо релевантно: 異世界魔術師 — исэкай в псевдоевропейском мире, и имена там ヤード, ソフィ, マルガレーテ, ロベール (Ярд, Софи, Маргарете, Робер) — не японские. Правило «ja ⇒ Поливанов» без оговорки о сеттинге на этой книге даст неверный результат.

Именные суффиксы — единственная улика издательского уровня. Представитель Истари Комикс Евгений Кольчугин на прямой вопрос: «Японские именные суффиксы есть, да» (личность отвечающего верификатор сверил). Там же — модель принятия решений по терминам, важная для нас: «Если он [переводчик] говорит, что навык надо локализовать, а тут сделать транслитерацию, мы соглашаемся» — то есть издательство отдаёт финальное слово по терминологии переводчику, а не единому корпоративному глоссарию. Академическая картина (Туманов, Вестник ТвГУ. Серия «Филология». 2025. № 2 (85). C. 264–270, DOI 10.26456/vtfilol/2025.2.264): единого регламента нет даже на уровне орфографии — дефис против слитного написания; склонение суффиксов различается по издательствам (у «Азбуки» не склоняются, у XL Media склоняются — название второго издательства верификатор восстановил ручным разбором PDF); «-сама» не склоняется практически всегда. Водораздел — не «как адаптировать», а «сохранять ли вообще»; автор статьи против автоматического сохранения.

Жанровый лексикон исэкай — улик издательского уровня почти нет. Найдено (это редакторские решения лицензиата, поэтому ценно):

src	dst (изданное)	оговорка
スキル	навык	—
ダンジョン	подземелье	—
パーティー	группа (не «партия»)	—
勇者	Герой	—
転生	перерождение	—
魔法	магия	—
ギルド / ランク	гильдия / ранг	—
魔法使い	чародей	единственная твёрдая точка по паре 魔術師/魔法使い
異世界	«другой мир» или «параллельный мир»	расходится ВНУТРИ одного издательства ⇒ в словарь не класть
冒険者	«искатель приключений» или «авантюрист»	расходится ⇒ в словарь не класть
ステータス · レベル · 魔物/魔獣 · チート · 称号 · 精霊 · 詠唱 · 属性 · 転移	—	UNCLEAR, только фан-площадки

魔術師 vs 魔法使い — UNCLEAR, и это прямо про нашу книгу (異世界魔術師は魔法を唱えない — «маг иного мира не произносит заклинаний», где противопоставление 魔術 и 魔法 вынесено в заглавие). Японская сторона различение делает (魔術 = систематизированное/учёное, 魔法 = врождённое/сверхъестественное), но по фан-энциклопедиям, не по словарю. С русской стороны твёрдая точка одна: 魔法使い → «чародей». Утверждать, что в русских изданиях устоялась пара «маг (魔術師) / волшебник (魔法使い)», нельзя — это фандомная конвенция вокруг Fate, а не издательская норма. Для книги стенда это означает: различение придётся подписывать владельцу как книжный канон, а не брать из жанрового словаря.

A4.6 Английская пара: принцип передачи и единство цикла

Первоисточник жанра — инструкция самого Толкина переводчикам: «All names not in the following list should be left entirely unchanged in any language used in translation (LT), except that inflexional s, es should be rendered according to the grammar of the LT». То есть презумпция неизменности, перевод — только для перечисленных «говорящих» имён.

Русская школа формулирует зеркально: «смысловые имена собственные переводятся. Это правило», при этом «надо сохранить ту [функцию], которая своей интертекстуальностью, семантикой, экспрессией или информацией обогатит текст». Количественно на корпусе фэнтези-романов: три метода — транслитерирование, транскрибирование, калькирование, причём транслитерирование доминирует (53,7%).

Рабочий критерий выбора, пригодный для машины, — от Натальи Виленской (переводчик цикла Мартина): «В работе придерживалась принципа „не англичанить"» и конкретнее: «Винтерфелл и Хайгарден звучат хорошо, но Блэк Хейвен лучше переделать в Черную Гавань». Это ровно принцип для Silversaint / Ashdrinker / Dawnseeker из нашей книги: благозвучный транслит оставляем, неблагозвучный «плоский» англицизм калькируем. Прямой цитаты про тёмное фэнтези и его неологизмы не найдено — принцип реконструирован, и это помечено как реконструкция.

Единство терминологии внутри цикла — улики жёсткие, и они прямо подпирают серийный задел владельца. Виленская: «Без глоссария, конечно, не обойтись, особенно если это дилогия, трилогия и т.д.» И решающее: «Немного позже, получив в перевод „Битву королей", стала придерживаться транскрипции Ю. Соколова, поскольку первая книга тогда уже вышла» — своя система уступает уже опубликованной. Когда политика ломается, видно у переводчика Аберкромби: «основная часть проблем всех официальных переводов Аберкромби заключается в том, что разные книжки в серии переводят разные переводчики», следствие — «множество повторяющихся фраз, афоризмов, диалогов, шуток над фразами из прошлых книжек – которые при переводе разными людьми бесследно теряются».

Что из этого следует для контракта (моё чтение, не улика): «round-trip подписанного глоссария как сид следующей книги» (задел владельца 26.07) — это машинная реализация ровно того правила, которое издательская практика формулирует словами «уступать уже вышедшему тому». А класс дефекта «разные переводчики — потерянные переклички» — это то, чего наш банк по построению не допускает, и это стоит записать как заявленное преимущество, а не как побочный эффект.

---

§A5. Пре-регистрация фазы B

Всё ниже фиксируется ДО трат и не переписывается после. Критерий ПРОВАЛА назван заранее.

A5.1 Вопрос фазы B

Один: какой промт терминолога даёт лучшее консолидированное dst на смердженном банке, и меняет ли веб-справка результат настолько, чтобы её строить.

A5.2 Арматура промтов (≥3 осмысленно разных)

Арм	Что в промте	Что проверяет
P1 «голый контекст»	src + N KWIC-контекстов + варианты черновиков. Ни жанрового словаря, ни Палладия	базовая линия: сколько даёт один контекст
P2 «контекст + пар-данные»	P1 + жанровый словарь §A4 + правила Палладия + требование склоняемой леммы	вклад langpack-данных (гипотеза: главный рычаг)
P3 «контекст + пар-данные + рубрика»	P2 + критерии §A2 прямо в промте + требование самооценки по ним	улучшает ли явная рубрика выход модели
P4 «веб-справка» (ответ на D39.42 п.2)	P2 + предварительно добытая справка по терму (офлайн-снапшот, НЕ живой фетч в петле)	нужен ли веб-фетч в v2 роли
P0 плацебо — СЛУЧАЙНАЯ терминология	P2, но жанровый словарь подменён случайными парами того же вида	контроль по рецепту WMT: если P2 ≈ P0, прирост даёт сам факт наличия подсказки, а не её правильность
P0b контроль контекстов	src без KWIC-контекстов вообще	если P0b ≈ P1, контексты не работают и конструкция входа неверна

Почему офлайн-снапшот вместо живого фетча: живой фетч в петле недетерминирован (страница меняется), а инвариант детерминизма №8 держит весь наш golden. Снапшот отвечает на вопрос «улучшает ли справка» и не ломает воспроизводимость. Если ответ «улучшает» — вопрос «как доставлять» решается отдельно.

A5.3 Выборки

Выборка	Книга	Состав	Зачем
S1	蛊真人	30 термов: 15 подписанных владельцем (эталон есть) + 15 намайненных без dst	единственная выборка с золотым стандартом
S2	金瓶梅	15 термов из эмитированных	второй zh, другой жанр; претрейн-оговорка
S3	異世界魔術師	15 термов: 5 катакана + 5 «одинокая строка» + 5 кандзи	ja; проверяет класс, которого движок не видит
S4	Empire of the Dawn	15 термов: 8 однословных + 7 многословных	en; проверяет класс G2
S5 ловушка	蛊真人	5 термов, где подписанный dst НАРУШАЕТ буквальность ради канона (时辰 = 2 часа, generic-«гу» ср. род, 资质 = «талант» — D39.21)	ловит модель, «улучшающую» подписанный канон

Итого 80 термов × 6 армов (P0, P0b, P1–P4) = 480 консолидаций.

⚠ Операционный дефект дизайна, вскрытый критиком полноты ДО трат — и я его чиню здесь, а не после. Выборки S3 (ja) и S4 (en) — это 30 из 80 термов, 37% замера, и по ним предполагалось оценивать критерий K2 «жанровая конвенция». Но §A4 по ja и en почти пуст: для японского исэкай-лексикона улик издательского уровня нашлось девять строк из двадцати, для английского — общий принцип без словаря. Оценивать соответствие конвенции, которой у нас нет, значит купить бессмысленный вердикт. Поэтому в пре-регистрацию вносится правило: на S3 и S4 критерий K2 НЕ оценивается вовсе (помечается н/д, как «н/д» в пакете-6), а не оценивается пустым. Оцениваются K1, K5, K6, K7, K9, K11 и машинные. Если владелец хочет K2 и на ja/en — сначала нужен добор улик (Z4), и это отдельный $0-заход перед фазой B.

Второе изменение по той же находке: арм «живой профессиональный переводчик». Критик указал на дыру, которую все шесть срезов пропустили: у трёх из пяти книг стенда почти наверняка есть изданный русский перевод — 金瓶梅 в переводе В. С. Манухина («Цветы сливы в золотой вазе», с научным аппаратом и указателем реалий, то есть с готовым академическим глоссарием), Fifty Shades (Эксмо) и Empire of the Vampire (русское издание Кристоффа, где Silversaint/Ashdrinker уже переданы — плюс это ровно кейс переноса терминологии между томами серии, который отчёт объявил ненайденным). Это готовый человеческий эталон, которого у нас, как я написал в первой редакции, «нет ни на одной книге, кроме сида». Проверка существования — один запрос, $0. Пре-регистрирую: до фазы B проверить наличие; где перевод есть — добавить арм HUMAN в слепую выборку. Это и закрывает первый вопрос, который задаст владелец («а как это перевёл живой переводчик?»), и делает BWS-оценку осмысленной (BWS силён именно на различении «человек vs машина»).

Оговорка о мощности выборки, названная заранее: MQM-практика считает, что для низкой дисперсии нужно >200 предложений, а <15–17 — вообще не аналитическая оценка, а статконтроль. Наши 80 термов — это между. Поэтому фаза B заявляется как отбор промта, а не как аттестация качества: она вправе сказать «арм X устойчиво лучше арма Y» и НЕ вправе сказать «терминолог даёт качество Z».

A5.4 Слепая оценка

По протоколу §A2.4, то есть Best-Worst Scaling по каждому судейскому критерию отдельно, а не покритериальные абсолютные баллы. Машинный слой (K3/K4/K8/K10/K12 — $0, матчинг ЛЕММАТИЗИРОВАННЫЙ по рецепту WMT) идёт первым; к судье/человеку попадает только то, что его прошло. На выборках S3 (ja) и S4 (en) критерий K2 помечается н/д и не оценивается (см. оговорку в A5.3). Судейские вызовы — по риг-стандарту D39.7, ≤2 семейства, судья не судит своё семейство.

A5.5 Смета

Считана от фактических цен стека (стек и цены — docs/experiments/08-cost-model-v2.md, 00-provider-quirks.md), объём — от измеренного размера KWIC-контекстов.

Статья	Расчёт	Оценка
Консолидация: 80 термов × 6 армов, ~8 контекстов × ~120 симв. + инструкция ≈ 2.5k вх. / 300 вых. токенов на терм	480 вызовов, дешёвая модель	$0.35–0.85
Слепая оценка Best-Worst Scaling: только термы, прошедшие машинный слой (ожидаю ~60%), 3 повтора со свапом	~700 судейских вызовов	$0.60–1.30
Резерв на брак и повтор (норма проекта: брак отчитывается, не скрывается)	+30%	$0.30–0.60
Итого		$1.20–2.60, потолок промта ≤$3 держится

Смета масштабирования, отдельно и честно. Если терминолог поедет на полном банке (13k кандидатов варианта C), а не на выборке: 13 246 × ~2.5k входных токенов ≈ 33 млн входных токенов на книгу. Это не «центы/книга», как записано в D39.42 п.1, а единицы долларов даже на самой дешёвой модели, и это до батчинга. Пре-регистрирую это как измерение фазы B: реальная цена терминолога на полном банке — вход в решение, строить ли ось «что показать владельцу» отдельно от «что отдать терминологу» (требование G7).

A5.6 Критерий ПРОВАЛА (назван до трат)

Фаза B объявляется провалившейся, если выполнено любое:

• F1. P0b (без контекстов) не отличим от P1 ⇒ контексты не работают, конструкция входа неверна.
• F1b. P0 (СЛУЧАЙНАЯ терминология) не отличим от P2 ⇒ прирост даёт факт подсказки, а не её правильность; весь замер терминологии — самообман (воспроизведён эффект WMT23), и жанровый словарь свою цену не оправдывает.
• F2. Ни один арм не бьёт подписанный владельцем dst на S1 хотя бы вничью по K1 ⇒ роль не готова к авто-режиму.
• F3. Любой арм проваливает ловушку S5 (переписывает канон) чаще, чем в 1 случае из 5 ⇒ авто-режим опасен без подписи независимо от качества.
• F4. Krippendorff α по K1 ниже 0.6, либо leave-one-out по оценщику меняет победителя ⇒ мерить нечем, результат не выдаём.

---

§S. Свои гипотезы (мандат свободы) — пре-регистрация

Отдельной секцией, не смешивая с обязательным. Каждая: гипотеза → как меряю → что опровергнет.

#	Гипотеза	Как меряю	Что опровергнет
H1	Главный рычаг качества терминолога — не промт, а пар-данные (жанровый словарь + Палладий). P2 обгонит P1 сильнее, чем P3 обгонит P2	разность средних по K1+K2 между армами на S1–S4	если P3−P2 ≥ P2−P1, рычаг — рубрика в промте, а не данные
H2	Орфографическая улика бьёт частотную на языках, где она есть. Кандидаты канала «одинокая строка» (ja) получат на слепой оценке балл выше, чем кандидаты канала кандзи той же частоты	сравнение K1 по каналам на S3 при контроле частоты	если разницы нет, разметка исходника — не сигнал, и G5 отпадает
H3	Терм, встречающийся в ≥2 книгах жанра, — жанровый; встречающийся в одной — книжный. Операциональный критерий «жанровости»	пересечение кандидатов 蛊真人 ∩ 金瓶梅 и en∩en; сверка с ручной разметкой §A3.8	если пересечение наполнено служебной лексикой, а не жанровыми терминами, критерий не работает
H4	Веб-справка помогает избирательно: на классах «жанровое понятие» и «титул» даст прирост, на классе «личное имя» — нет (имя выдумано автором, справки о нём не существует)	P4 vs P2 в разрезе по классам §A3.8	равномерный прирост или равномерный ноль ⇒ гипотеза о избирательности неверна
H5	Разброс вариантов черновика предсказывает трудность терма — там, где черновики дали 3+ разных dst, слепая оценка даст низкий K1 у всех армов	корреляция «число вариантов банкноты» × «средний K1»	отсутствие корреляции ⇒ разброс нельзя использовать как дешёвый приоритет для человека

H1 и H4 адресованы прямо решениям D39.42 (пар-данные в промте; веб-фетч в v2). H2, H3, H5 — мои.

---

§X. Чего эта фаза НЕ покрывает

Раздел собран не только мной: по отчёту прошёл отдельный критик полноты, которому вменялось искать дырки. Его находки приняты целиком, часть уже вшита правками в §A1.0, §A2.0, §A4.1, §A5.3; остальное — здесь.

Главная дыра, названная критиком (я её пропустил в шести срезах из шести):

0. Изданные русские переводы КНИГ СТЕНДА не искались вообще. Почти наверняка существуют минимум для трёх из пяти (Манухин для 金瓶梅 с указателем реалий; Эксмо для Fifty Shades; русский Кристофф). Цена пропуска двойная: у фазы B нет человеческого эталона там, где он мог быть, и §A4 остался без единственного источника класса «изданный перевод» с телом текста, а не с аннотацией. Исправлено в §A5.3 как обязательная предпроверка.

Модальности и углы, не задействованные ни разу (каждый — конкретный дешёвый заход, не абстрактное «можно было лучше»):

• Тело изданий через фрагмент: search-inside Google Books по ISBN, ЛитРес-фрагмент, фото разворотов в отзывах маркетплейсов. Именно эта модальность решает спор §A4.1, а мы работали по аннотациям.
• Частотный узус вместо цитатного: НКРЯ и Google Books Ngram (rus) по «культивация»/«культиватор»/«совершенствующийся» с разбивкой по годам. Спор V1/V2/V3 решается измерением с трендом, а вёлся перечислением цитат.
• Архив/зеркало: web.archive.org и archive.today не пробованы ни разу, хотя минимум шесть UNCLEAR имеют причиной 403/Cloudflare.
• Локальный парсинг вместо веб-фетча: у сессии есть pdftotext и OCR, а ГУГК-1983 и Концевич-2002 объявлены недоступными «потому что PDF-скан»; у БКРС есть скачиваемый дамп базы, а печатный Ошанин лежит на archive.org.
• Языки запроса: японский — ноль запросов (пропущен отраслевой стандарт оценки качества JTF, независимый от MQM/ISO-куста); китайский — эпизодически, при том что различение 修真/修炼/修行, объявленное обязательным, ищется в 知乎/百度百科 одним запросом; польский/чешский — ноль, хотя это прямой аналог нашей задачи (глоссарий во флективный язык).
• Настоящие конкуренты по продукту не смотрелись. Срез «конкуренты» ушёл к MT-вендорам (Microsoft/Amazon/DeepL/Google), а владелец просил посмотреть у конкурентов. GalTransl, SakuraLLM, AiNiee — открытые репозитории LLM-переводчиков новелл с глоссарием, где промты и схемы лежат в исходниках. Это самая близкая к нам практика, и она не открыта.
• Реальные термбазы вместо документации о них: Microsoft Terminology Collection (ru, TBX) и IATE-экспорт показали бы, какие поля ФАКТИЧЕСКИ заполняют.
• Класс отказа как терминологический дефект: 18+-терминология (Dominant/Submissive из книги стенда) и поведение судьи на ней не исследованы — при том, что это боевой риск проекта.

Сорвалось / ограничено:

1. Бюджет веб-поиска сессии исчерпан (200/200), и израсходован неэффективно: шесть углов независимо переоткрывали одни и те же вики-страницы, а на 20 UNCLEAR-строк словаря не осталось ничего. Процессный вывод в копилку: следующий заход начинать с резервирования квоты под конкретную таблицу, а не с широкого обзора. Добор улик по 20 терминам со статусом UNCLEAR в §A4.3 и по японскому жанровому лексикону (ステータス, レベル, 魔物, チート, 称号, 精霊, 詠唱, 属性, 転移) в этой сессии невозможен. Часть верификаторов работала уже в условиях исчерпанного поиска (только WebFetch) и без доступа к web.archive.org, что снижает их способность искать альтернативные зеркала. Один пункт (написание искажённого имени у Караева) остался неразрешённым: четыре чтения страницы дали 2:2.
2. БКРС не читается веб-фетчем (страница рендерится JS) — «что говорит словарь» осталось UNCLEAR по всем терминам. Это самый весомый пробел §A4: словарная улика сильнее площадочной, и её у нас нет.
3. Тела лицензионных изданий не читаны — проверены только аннотации. Как Истари/Эксмо/АСТ передают 修炼, 金丹, 丹田, 元婴, 筑基 внутри текста, неизвестно. Есть ли в томах печатный глоссарий переводчика — не найдено.
4. TDM-исключения (EU DSM ст. 3/4, японская ст. 30-4) первоисточником не подтверждены.
5. Издавался ли Цзинь Юн на русском лицензионно — не найдено ничего.

Не делалось сознательно:

7. Профиль квадратичности не снят — источники сложности названы по коду и НЕ доказаны исполнением (§A3.7).
8. Precision майнинга измерен спот-чеком, одним разметчиком, без слепоты. 0.870 по 金瓶梅 и ≈0.15 по абляции C — это ориентиры, а не метрики уровня пакета-6.
9. Детерминизм проверен ре-раном, но выборочно: gu10 и jpm пере-прогнаны и дали побайтно идентичный выход (cmp чист). gu25/gu50/gu100 и абляции B/C/D прогонялись по одному разу — на них детерминизм принят по построению и по двум проверенным срезам, а не измерен.
10. Роль терминолога в коде не проектировалась — по прямому запрету промта. Требования G1–G10 — фактура, не дизайн.
11. Претрейн-оговорка в силе: всё, снятое на 金瓶梅 и Fifty Shades, предварительно.
12. Покрытие словаря §A4.3 — около 40%. Из ~34 строк 20 стоят UNCLEAR. Подписывать по факту есть что, но меньше половины; остальное — предмет добора Z4.
13. Правило провенанса §A1.3 сегодня нечем заполнить до конца: ToS, robots.txt и TDM-резервирование ключевых источников (БКРС, Fandom, Викисловарь) не проверялись. Рамка есть, поле licence_class для части источников заполнить нечем.
14. «Как ведут глоссарий между томами серии» — прямых улик так и нет ни за, ни против, при том что серийный шаринг банка — свежая архитектурная ставка (D39.42). Ближайшее найденное — что непрерывность обеспечивается сверщиком и редактором, а документ не упомянут.
15. Деньги названы в токенах, не в долларах. 33 млн входных токенов на полный банк (§A5.5) не переведены в цену по актуальному прайсу, и нет baseline «сколько теряем, если терминолога НЕ делать».

---

§Z. Что на владельце

#	Решение	Раздел
Z1	Ратифицировать рубрику §A2 и ответить на Q1–Q4 (веса · K2 против K1 · порог «хорошо» · сокращённая форма и Р3 из D39.39)	§A2.5
Z2	По 修炼 — выбрать V0 / V1 / V2 / V3. Моя честная рекомендация после правки критиком: V0 (не подписывать сейчас, сначала закрыть класс улики), потому что издательская сторона спора стоит на маркетинговых аннотациях, а не на телах книг. От решения зависят три строки уже созданного genre-glossary.txt	§A4.1, §A4.4
Z3	Санкционировать смету фазы B $1.20–2.60 и пре-регистрацию A5 (включая критерий провала F1–F4, снятие K2 с ja/en-выборок и арм HUMAN)	§A5
Z4	Решить, делать ли добор улик отдельным $0-заходом ПЕРЕД фазой B. Пять адресных заходов с ожидаемым выхлопом: (1) search-inside по телам двух ISBN → решает Z2 и до 20 UNCLEAR-строк; (2) изданные русские переводы книг стенда → человеческий эталон на 3 из 5 книг; (3) НКРЯ + Google Books Ngram → превращает Z2 из спора в измерение; (4) архивы/локальный парсинг → снимает большинство не-CONFIRMED; (5) GalTransl/SakuraLLM/AiNiee + JTF-гайдлайн → настоящие конкуренты и слой, независимый от MQM/ISO	§X
Z5	Оркестратору на заметку: фактура G1–G10 и цифры §A3 — прямой вход в фазу 2 пака-20 и в будущий пак generic-майнера; отдельно — дефект кластеризации §A3.5, стоивший подписанного терма	§A3

Заявление = команда. Приёмка воспроизводима: build.sh <dir> 996bade, команды §0.2, ожидаемый результат — те же цифры (майнер детерминирован; мои скрипты — тоже, случайная выборка засолена фиксированным сидом 20260726).