340 lines
127 KiB
Markdown
340 lines
127 KiB
Markdown
# Журнал прогресса
|
||
|
||
> **⟶ ТЕКУЩЕЕ СОСТОЯНИЕ** (обновляемый блок; на 2026-07-12). **Источник истины по РЕШЕНИЯМ — `architecture/05-decisions-log.md` (D1–D31); этот файл — ЖУРНАЛ, не спека.**
|
||
> - **Фаза:** 0 ✅; Ф1-машинерия ✅ (D21–D28); приёмка этап A ✅ (D24). **Путь D26→D35: качество-первым.** Флип D1 моно→билингв (D30, supersede D17), reflow+output-санитайзер (D30/D33), сид v2 подписан владельцем (D34.1), переводчик flash сохранён (exp13/D32 — pro отклонён). **Пере-прогон 25 глав связкой ВЫПОЛНЕН; вердикт владельца: «лучше (из-за сида), но крайне слабо художественно» (2 претензии: абзацы/конвенции + понимание связей). ПИВОТ D35:** цикл приёмочных прогонов ЗАКРЫТ (инфра ✅ подтверждена исполнением / читаемость ❌ = блок на непостроенной Ф2 — НЕ провал; диагноз «Ф2-недострой + near-term промпт/нарезка-рычаги, не баг» верифицирован; флор D24.3 валидирован в проде). Планка впредь = 2 претензии владельца (ИНТЕРИМ пре-скрин, НЕ пилот Ф2.5). **Очередь «мерить→строить»: ресёрч research/18 ЗАЛЕНДЕН (D36, оба отчёта: Claude ACCEPT_WITH_FIXES / ChatGPT ACCEPT; 57/57 источников реальны, Ван Цуй подтверждён по телу) → полигон-эмпирика ВЫДАНА (`POLYGON_QUALITY_EMPIRICS_SESSION_PROMPT.md`, D36: нарезка×промпт + фронтир-арм + кривая-нарезки + fidelity re-gate) → бэкенд (только под доказанный ROI).** Fidelity re-gate (D34.3, `rerun/FIDELITY_REGATE_HANDOFF.md`) — полигон гонит параллельно. Бэкенд-фиксы (D35.4): экспорт-баг (ch5/ch20 пустые), ведущий `###` из draft, глоссарий разрядов 甲乙丙丁. Трек: дешёвые модели сейчас, фронтир потом (D30.7). Решающая точка — пилот Ф2.5 (блокеры: билингв-якорь/аннотаторы ≥3 — D25.9-Q1, корпус, судья-дублёр — D22.6). *(Детальная хроника D30–D34 — в записях ниже + D-лог.)*
|
||
> - **Стек (пост-D32):** черновик — **deepseek-v4-flash СОХРАНЁН** (exp13/D32: смена на pro отклонена по данным — сфабрикованная сходимость + катастрофа 蛊→«гусеницы» + верность у flash не хуже; thinking ON; escalate_to=pro без изменений) · редактор — **БИЛИНГВ (D30.1), кандидат glm-5-билингв** (gemini — премиум-эскалация за санитайзером; grok reasoning-off из редакторов СНЯТ — no-op) · судья/апекс Gemini 3.1 Pro (**слаг `-preview`**; mandatory thinking; `additive_total` — D22.3) · эскалация A: DeepSeek V4 Pro → GLM-5.1 → Gemini-preview · **канал B (18+): Mistral · эскалация grok-4.3 reasoning-ON (⚠ не на архаичных zh — D22.5) · abliterated-скрининг · судьи: эротика — Grok (дублёр гейтится пробой D22.6), violence/SFW — Grok+Gemini** (DeepSeek в explicit запрещён ToS — D14.1). 7 ключей.
|
||
> - **Экономика:** `experiments/08-cost-model-v2.md` — до-флиповый ~$0.69 ранобэ / ~$10.94 вебновелла-500; **после флипа D1 → ~$0.85/ранобэ (+15–25%, D30.4)**; «$1.5–2» = опция Б (селективный апекс+память, НЕ подписана); пере-съём = exp08 v3 (D21.8/D25.8). ⚠ Resume: любой `--resnapshot` = переоплата книги — онгоинг гейтится реализацией D15.2 (идёт, D30.9). Gemini-недоучёт 146×/вызов закрыт additive_total (D22.3).
|
||
> - **Ждём от владельца:** ~~подпись спорных терминов сида v2~~ ✅ ПОДПИСАНО (D34.1; владелец переопределил: Жэнь Цзу, Монах Цветочного Вина, гу Жизни, деревня Гуюэ, первобытный камень; род «гу» муж) · **чтение 25 глав пере-прогона** (арбитр читаемости — после связки+re-gate) · **флагман-сверка exp13** (переводчики, monitor-паттерн) · DashScope-ключ для qwen-арма exp13 (опционально) · **планка запуска** (лучше-фана/гибрид/издательский + готовность к COGS опции Б ~$1.5–2 — мемо-эскалация exp12; интерим D30.7: «лучше фана» на дешёвом миксе) · решение по билингв-якорю пилота (D25.9-Q1) · «да/нет» митигации контаминации пилотного корпуса (D27.4) · publishable/waiver — при экспорте (D25.1) · FN-bound L3 — при спеке (D25.4) · провенанс 12-*-доков · юр-пакет (+rights manifest, D25.8).
|
||
> - Записи ниже — хронология; РАННИЕ (день-0, 04.07) содержат устаревшие цифры/решения (COGS $2–4, BYOK, Anthropic-Sonnet), переопределённые позже — см. блок выше и 05-decisions-log.
|
||
|
||
## Полигон — exp14 эмпирика рычагов качества (нарезка×промпт + фронтир 2×2), ПАРТИЯ 1, 2026-07-12 (D36)
|
||
|
||
Сессия по `POLYGON_QUALITY_EMPIRICS_SESSION_PROMPT.md`. **Пре-регистрация ЗАМОРОЖЕНА коммитом ДО первого платного вызова** (D30.10; `docs/experiments/14-quality-empirics.md` §1 — trap-набор 6 трапов вкл. gl.7/gl.8 владельца, армы нарезка×промпт, метрики/гейты, бюджет-по-ключам). Харнес `eval/exp14_*.py` (call+3-режима-cost+per-call-кап+токенайзер+реконструкция инъекции из `retrieval_state.injected_ids`). Все выходы ВНЕ git (`/home/ubuntu/books/gu-zhenren/exp14/`). **Бэкенд не трогал (0 правок).**
|
||
|
||
**ПАРТИЯ 1 (trap-набор, 9 чанков): 0 ошибок на 64 арм-вызовах; трата ARM $1.77 (ZAI $0.43 + OpenAI $1.34) + trap-судьи $0.50 (gpt-5-mini+kimi, кросс-семейно) ≈ $2.27 (глубоко в остатках).** T1-катастрофа корроборирована независимой панелью (2/2 судьи флагают КАТАСТРОФУ на всех дешёвых армах, чистят фронтир). Фронтир = **gpt-5.4** ($2.5/$15, live-фактчек 2026-07-11; GPT-5-линейка до 5.4/5.5/5.6, взят 5.4 standard).
|
||
|
||
**ГЛАВНЫЙ ВЫВОД — потолок РАСЩЕПЛЁН по двум претензиям владельца (прямой ответ на «модели vs нарезка/промпт»):**
|
||
- **Претензия 1 (абзацы/конвенции) = наш ПРОМПТ/ПАЙПЛАЙН (активация), НЕ модель.** Детерм. KPI предл./нарратив-абзац: P0 1.91 → P1a (дискурс-промпт) 2.61 → **A-2pass (семантика→target-only reflow-пасс) 3.33** (лучший, доля-1-предл. 0.187, БЕЗ коллапса длины/CJK). **Фронтир+СТАРЫЙ промпт (F-base 1.58) ХУЖЕ дешёвого P0** — «сильнее модель» абзацы НЕ чинит. A-layout (deformat черновика) улучшает абзацы (3.13), НО **CJK-утечка ×20** (регресс-гард поймал) — deformat требует CJK-пост-гарда.
|
||
- **Претензия 2 внутри-чанк (смысл) = дешёвая МОДЕЛЬ (capability floor).** T1 (gl.7 двойное отрицание «все знали»): glm-5 **инвертирует** в «никто не знал» НЕЗАВИСИМО от промпта (P0 и P1a); **gpt-5.4 чинит** НЕЗАВИСИМО от промпта (F-base и F-disc). T2 (物是人非) — тот же знак. Промпт претензию 2 НЕ закрывает.
|
||
- **Претензия 2 кросс-граница = НЕ доминирует в срезе.** T5/T6 локально самодостаточны; ±1-reference (A-ref) дал байт-идентичный выход (чинить нечего); whole-chapter (P1c) единственный явно связал антецедент (1 датапоинт).
|
||
|
||
**Near-term рекомендация (на ратификацию оркестратора, НЕ смена дефолта):** (1) дискурс-reflow-контент Ван Цуй→editor-промпт + рассмотреть отдельный target-only reflow-пасс (A-2pass) под COGS; (2) претензию 2 — **селективная фронтир-эскалация редактора по смысл-риску** (не тотальный фронтир — он абзацы портит); (3) CJK-гард при deformat; (4) НЕ строить Ф2-кросс-чанк-память под слабый сигнал. **ПАРТИЯ 2 (осталось):** кривая нарезки, слепые пакеты Ступени II (гл.19/17/18, D=0.061/0.246/0.440), полная ранжирующая панель +leave-one-out, fidelity re-gate (D34.3), 3 финалиста, хендофф. Планка = 2 претензии владельца (ИНТЕРИМ пре-скрин, НЕ пилот Ф2.5). Смену дефолта ратифицирует оркестратор.
|
||
|
||
## Ресёрчер — рычаги качества (`research/18-quality-levers.md`), 2026-07-12 (D35.5, вход полигону)
|
||
|
||
Сессия по `RESEARCHER_QUALITY_SESSION_PROMPT.md` (нейтральный/анти-анкоринг). **Ничего не коммичено** (лендит оркестратор после верификации первоисточников — как research/15/16/17). Отчёт: `docs/research/18-quality-levers.md` — §A (заморожена, sha256 `44f90364…`, построена ДО чтения стека/ChatGPT-отчёта; хеш байтов между маркерами BEGIN/END §A) · §B дифф · §C таблица-рекомендации полигону · §D вопросы.
|
||
|
||
- **Протокол соблюдён:** §A из ТОЛЬКО (2 претензии + сырьё rerun/ + механизм chunker.go/translator.md/editor.md + собств. внешний веб-ресёрч 52-агентным фан-аутом с адверсариальной верификацией). НЕ читал в фазе 1: D-лог/хендоффы/rootcause/приёмку. §A заморожена хешем ДО фазы 2.
|
||
- **Главный результат — ТРОЙНАЯ независимая сходимость** (моя §A ⟂ ChatGPT-§A ⟂ эмпирика D26→D35) на диагнозе и большинстве рычагов ⇒ высокое доверие карте «строить». Оговорка D25.10/D32.4: общая нога «внешняя MT-лит» у меня и ChatGPT — не 3 независимых голоса там.
|
||
- **Замеры на сырье (независимо воспроизвёл):** рубленость 41/51 нарратив-чанков ~1:1 абзац-на-строку; редактор структуро-СОХРАНЯЮЩ (слил 1/49) — reflow-инструкция инертна; **ch5.0 черновик 5425 симв.→финал ПУСТ (`sanitizer_defect`) = экспорт-баг D35.4a**; CJK-глифы в 13 финалах.
|
||
- **Несущий вклад СВЕРХ команды И ChatGPT (§B2):** (1) **zh→ru дискурс-транформ как теория** — паратаксис→гипотаксис (意合/形合), 流水句, **прямая zh→ru peer-reviewed прескрипция Ван Цуй (Вестник МГУ Сер.22): 5 техник + причастные/деепричастные обороты** ⇒ апгрейд research/16 «слияние дискреционно» → «обязательная дискурс-операция, и КАК»; прямой ответ владельцу «конвенция языка, не стиль автора»; (2) слой **«пакет конвенций пары»** версионируемый (идея владельца; research/07 держит контент как разбросанные brief-политики — отдельного слоя нет); (3) DocRepair EN→RU числа (монолингв. repair-пасс); (4) фертильность-налог кириллицы + cache-ordering + перевёрнутая-U; (5) метрика-инверсия zh→ru (WMT24 NMT>LLM d-BLEU) — не гейтить художественность на авто-метрике.
|
||
- **Само-поправки §A (§B3, честно):** ch5-void = экспорт-баг (не санитайзер); research/16 УЖЕ заземлила русские нормы (Розенталь §52-53/Лопатин/Правила-1956); source-line-strip не нов (exp12:174).
|
||
- **§C = армы для D35.6:** СЕЙЧАС (дискурс-reflow-промпт с zh→ru-контентом · discourse-move few-shot target-anchor · source-strip · детерм. reflow-постпроцессор ops b/c/d · guard пост-черновой регрессии · ±1 reference-контекст · кривая нарезки на retry-adjusted-output-cost · **capability-vs-activation 2×2 + фронтир-арм** · **авто-Claude-судья: KPI-структура без судьи для претензии 1, span+comprehension-QA+perturbation для 2, владелец кросс-чек ChatGPT/вручную**) vs Ф2 (running summary+entity-ledger DelTA · chapter-card · ZP-аннотация · монолингв. RU reflow-пасс). Архитектура: слой пары (зона оркестратора/бэкенда).
|
||
- **Запросы владельца этой сессии учтены:** (а) конвенция-vs-стиль отвечена источниками (§A/§B2.1); (б) «модель недоактивирована» → capability-vs-activation арм (§C #9); (в) авто-оценка качества → §C #10 + §D; (г) языковые карты в архитектуру → слой пары §C #15.
|
||
|
||
**12.07 (№4): research/18 (ОБА отчёта) отревьюирован и залендён с ревью-шапками, ратификация D36.** Мультиагентный воркфлоу 26 агентов ($0, refute-by-default, первоисточники + реплика сырья): **§A-заморозка Claude sha256 44f90364… воспроизведена побайтно (MATCH) → не редактировалась; 57/57 несущих цитат СУЩЕСТВУЮТ (0 сфабрикованных — проверены ВСЕ «2026»-препринты)**; эмпирика воспроизведена (ch5.0/ch20.0-void ТОЧНО, CJK 13 финалов, 41/51 в допуске, gl.7-инверсия/gl.8-сплющивание фактически есть → на fidelity re-gate); **Ван Цуй ПОДТВЕРЖДЁН по ТЕЛУ статьи** (скептик декодировал CID/Identity-H шрифт: 5 техник + причастные/деепричастные + подчинение + прескриптивная необходимость — Вестник МГУ Сер.22 2024№3, рецензирован). **Вердикты: Claude — ACCEPT_WITH_FIXES** (5 поправок в ревью-шапке: DocRepair-числа принадлежат D19-1081 не P19-1116 — числа верны; TransAgents двойная-метка; Z5 автор Dingxu Shi не Li&Thompson; Ван Цуй = прескрипция ТЕХНИКИ, не «норма языка»; «пост-черновая регрессия > 2 претензий» пере-возвышена — ch5-void = экспорт-баг); **ChatGPT — ACCEPT** (цитатно-чист, §C — самый исполнимый скелет; оговорки: §A-заморозка НЕ воспроизводима из документа = дисконт на вес сходимости, §C4-гейт не ссылается на D34.3). **Калибровка «тройной сходимости»:** оговорка честна (D25.10 взята), но (а) вторая необъявленная общая нога — оба §A читали одно сырьё/код; (б) цитатные базы почти НЕ пересекаются (~3 общие) → где литература расходится, совпадение сильнее; (в) ChatGPT-заморозку — с дисконтом. **Несущий вклад для «строить» держится:** Ван Цуй-контент → в reflow-промпт полигона; экспорт-баг ch5/ch20 подтверждён двумя репликами (бэкенд-fix D35.4a). Выдан `POLYGON_QUALITY_EMPIRICS_SESSION_PROMPT.md` (D36: скелет §C ChatGPT + графт Ван Цуй/COGS/D34.3 из Claude; добавлены недостающая ячейка current-промпт×глава и явный P0-baseline; ch5/ch20 исключены из слепых пакетов).
|
||
|
||
**12.07 (№4): D36.1 — гигиена доков + бюджеты (по запросу владельца).** Заархивированы **5** спент-промтов (`archive/prompts/`, git mv, история не переписана — D23.3): ресёрчер/exp13/санитайзер-фикс/приёмка-v2/D152-этап-А. **`POLYGON_PACKAGE4` НЕ архивирован** (проверка по запросу владельца): как сессия не запускался, отработана лишь task-1 сид-мн.ч. (в exp13/D32); **residual жив** (D22.6 судья-дублёр — блокер пилота, D25.7 echo-кал, миграция memory_eval с 2.5-flash, пилот-пре-рег, P4-хвост) — **пилот/18+/echo-трек, ОРТОГОНАЛЬНО exp14** (не вносить); оставлен активным со статус-баннером как residual-трекер до активации пилота. Активны `ORCHESTRATOR_*` + `POLYGON_QUALITY_EMPIRICS_*` (exp14) + `POLYGON_PACKAGE4_*` (отложен); README-карта + титул D-лога D35→D36 актуализированы. **Бюджеты подтверждены владельцем:** OpenAI ~$9, Gemini ~€2.6, DeepSeek/ZAI/Kimi/xAI/Mistral ~$9; других нет; «полигон делает что нужно в рамках» → блокер фронтир-ceiling снят (exp14: GPT-5 основной фронтир, Gemini точечно/мета-ревьюер, grok не на ch1; per-call кап + пре-рег). D36.1 — в D-логе.
|
||
|
||
## Приёмка Ф1 — ПЕРЕ-ПРОГОН 25 глав кандидат-конфигом (билингв glm-5 + reflow + сид v2 + санитайзер), 2026-07-12 (D30.9/D34.2)
|
||
|
||
Пере-прогон по `ACCEPTANCE_SESSION_PROMPT.md`. **Ничего не закоммичено** (лендинг — оркестратору). Все производные — ВНЕ git в `/home/ubuntu/books/gu-zhenren/rerun/` (свежий store `guzhenren-rerun.db`, конфиги, выходы, отчёты, скрипты замеров). **Дерево backend/ чистое — мои правки кода = 0** (throwaway-хелпер `cmd/_dumpsrc` для дампа исходных чанков — `_`-игнор Go-тулчейном, не коммичен, удалён после использования). Предусловия запуска (все 5) сверены: D15.2 этап A+D33.1 залендены; draft=flash сохранён (exp13/D32); сид v2 подписан владельцем (D34.1 — Жэнь Цзу/Монах Цветочного Вина/гу Жизни/деревня Гуюэ/первобытный камень/род «гу» муж — сверено в `guzhenren-seed-v2.yaml`); budget_usd>0; единый resnapshot.
|
||
|
||
### ШАГ 0 (repoint, D34.2) — ВЫПОЛНЕН и ВЕРИФИЦИРОВАН исполнением
|
||
Приёмочный конфиг собран из БОЕВОГО `pipeline-c1.yaml` (HEAD, post-D33) + book-дельты, **СВЕЖИЙ store** (не store этапа A). Снапшот `e754d3a7b321`, сверен из store (`snapshots.payload`):
|
||
- draft `deepseek-v4-flash` **`prompt_version:v1-reflow`**, escalate_to `deepseek-v4-pro`, floor max_tokens **8000** (D24.3 — стадия A имела 2048/3291).
|
||
- edit `glm-5` **`prompt_version:v2-bilingual-reflow`**, prompt_sha256 байт-в-байт совпал с `backend/prompts/editor.md`.
|
||
- `sanitizer.enabled:true` (`sanitizer-v2`, post-D33.1), coverage off, postcheck_gate false (флаггер), glossary_injection selective, **memory_version `002716c2…`** (сид v2, 57 терминов ≠ сид v1).
|
||
- `status --json`: **config_drift=false, snapshot_drift=false** — текущий конфиг рендерит ТОТ ЖЕ снапшот, что в store (нет стейл-моно-конфига; repoint airtight).
|
||
|
||
### A. Инфраструктура держится на НОВОМ снапшоте — таблица (каждое исполнением)
|
||
|
||
| # | Пункт | Как проверено | Результат |
|
||
|---|---|---|---|
|
||
| A1 | committed==SUM(checkpoints) | SQL на 4 срезах живого store | ✅ ТОЧНО: honest-stop $0.02163351==$0.02163351 (n=9); kill-9 $0.03187751==$0.03187751 (n=11); финал **$0.47462791==$0.47462791==chunk_status-sum** (n=116) |
|
||
| A1 | честный стоп потолка (committed+reserved) | book_usd=0.03 → отказ ch1/4 edit | ✅ committed=$0.021634 reserved=$0 denied estimate=$0.014533, «raise ceilings.book_usd or stop», **exit 1** (стадия A этот код не фиксировала — теперь подтверждён) |
|
||
| A1 | **настоящий kill -9** посреди in-flight glm-5 edit (ch1/5) | SIGKILL, инспекция store до resume | ✅ orphan reserved=$0.013373 виден до resume; на resume «recovered 1 stale reservation»; committed==SUM пережил краш; resume ре-атаковал РОВНО ch1/5 edit (≤1 вызов) |
|
||
| A1 | resume не переоплачивает | replay после kill-9/honest-stop | ✅ «stage resolved from chunk_status» ($0), первый платный = убитая/отклонённая стадия |
|
||
| A2 | **echo-эскалация стреляет и ре-гейтится (LIVE)** | ch16/0 flash draft | ✅ flash → **flagged cjk_artifact** → эскалация **deepseek-v4-pro @ max_tokens=8000** → **ре-гейт ok** → edit прошёл. **Валидирует фикс D24.3 живьём** (стадия A: хоп наследовал 2048 → finish=length, эскалация-пустышка; теперь флор 8000 → rescue) |
|
||
| A2 | flag+skip+continue, мусор не в TM | 2 sanitizer-флага (ch5/0, ch20/0) | ✅ чанк flagged, edit НЕ закоммичен (final пуст), прогон продолжился; FinalText не течёт в TM/экспорт |
|
||
| A2 | `tmctl redrive` на реальном флаге | ch5/0 sanitizer_defect: dry-run + real | ✅ dry-run план 1 (ничего не тронул); real сбросил+ре-атаковал+**ре-гейтил** → **re-flagged** (glm-5 детерминированно повторил «### Глава 5»); committed=$0.483486 **≥ SUM=$0.474670** (diff $0.008816 = сброшенная стадия; D15.3) |
|
||
| A2 | `tmctl status` живой (OpenReadOnly) | status/--json ПРИ активном translate | ✅ работают без flock; snapshot/деньги/паспорта/config-drift корректны; --json exit 2 при флагах |
|
||
| A3 | санитайзер ловит классы exp12 | unit-тесты (исполнением, зелёные) + LIVE | ✅ LIVE 2 TP (markdown «### Глава 5», «# Глава 20»); unit: gemini-преамбула / «Основные правки для справки» / ### / латиница / гомоглиф — firing+non-firing, вкл. D33.1-FP-гварды («около колонны»/«стало талой») |
|
||
| A3 | НЕ даёт ложных на чистом тексте | 55 чистых glm-5-чанков | ✅ **0 false-positive** (2 флага — оба реальные markdown-заголовки) |
|
||
|
||
### B. Качество
|
||
|
||
- **B4 re-gate ВЕРНОСТИ — НЕ ЗАПУСКАЛА (по контракту author≠reviewer): отдано полигону.** Пакет `rerun/FIDELITY_REGATE_HANDOFF.md` + `rerun-parallel.txt` (выровнено ОРИГ|ПЕРЕВОД, 57 чанков) + `records.json` + store. **⚠ Пере-прогон НЕ ЗАСЧИТАН до пройденного независимого span-цитирующего re-gate** (раздельно стиль/верность, охота на класс инверсий редактуры exp12, катастроф-скрин). Билингв-редактор мог купить гладкость ценой смысла — это ровно то, что не видно на поверхностном чтении.
|
||
- **B5 D10 консистентность** (НЕЗАВИСИМЫЙ скрипт `rerun/d10_consistency.py`, приложен — воспроизводимо, author≠native-matcher): presence **91.0%** (647/711), occurrence **95.8%** (3072/3207). По типам (presence): имена 98.6%, клички 100%, места 96.0%, термины 94.9%, **титулы 78.7%** (слабейший класс — как термины на этапе A). Классификация промахов: **decl_gap 0** (фикс D24.4 «базовый dst всегда» держит), **inflection_gap 54** (dst присутствует в НЕперечисленной в сиде форме — читатель видит верный термин; эффективная консистентность = (647+54)/711 = **98.6%**), **genuine_absent 10** (кандидаты дрейфа для span-сверки, НЕ подтверждённый дрейф). Alias-слепое пятно D24.2 **обойдено** (per-term substring, не longest-match): поймал **古月→Гуюэ ×2** (гл.18/0,20/1) — ровно класс, слепой для нативного матчера. Прочие кандидаты: 转→ранг ×6, 南疆→Наньцзян ×1 — отданы полигону (не подтверждаю дрейф сам). Порог 98% достижим на эффективной; строгий presence занижен местоимённой заменой/инфлексией, НЕ терминодрейфом (как на этапе A).
|
||
- **B6 вёрстка/reflow** (скрипт `rerun/reflow.py`): диалог→«—» в **49/55 чанков** (404 dash-строки); нарратив местами слит (dst_paras/src_lines mean 0.96). Груборазмерная метрика «скопирована структура 38/55» — **артефакт** (эта вебновелла в ИСХОДНИКЕ ~одно-предложение-на-абзац + диалог легитимно 1:1); **качественное чтение story-глав (гл.6, гл.8) показывает естественные многопредложные русские абзацы, НЕ построчную рубку exp12**. Reflow работает.
|
||
|
||
### C. Прочее
|
||
- **C8 echo-rate**: 1/57 flash-draft (**1.75%**, gl.16/0) — RESCUED эскалацией; финальный cjk_artifact=0. vs прайор книги ~25% (exp10/D18) и 3.5% этапа A. **Резко ниже — v1-reflow-промпт + flash почти не эхают на этом срезе** (front-matter гл.1, эхавшая на этапе A, тут переведена).
|
||
- **C8 spine**: 25/25 глав, 57/57 чанков, **0 молчаливых потерь**. 55 чанков с закоммиченным переводом; 2 (гл.5/0, гл.20/0) flagged (см. находку 1).
|
||
- **C9 деньги vs D30.4**: committed=**$0.474628**; доля стадий: editor glm-5 **87.1%** ($0.4132), draft flash 11.6% ($0.0550), эскалация pro 1.4% ($0.0065). vs этап A $0.4081 (моно) = **+16.2%** — В КОРИДОРЕ D30.4 (+15–25% от флипа билингв; билингв +ток. редактора → editor-доля 83.3%→87.1%). Проекция полной книги (2283 гл.) ~$43 (этап A ~$37); НЕ подгоняю под до-флиповый $0.69.
|
||
|
||
### Находки для оркестратора (НЕ чинил — вне зоны багфикса / зона пакета/промптов)
|
||
1. **[quality, НЕ инфра-баг] glm-5 детерминированно лепит `### Глава N: <title>` на ~2/25 зачинах глав** (гл.5/0, гл.20/0), ХОТЯ editor.md прямо запрещает markdown-заголовки. Санитайзер ловит (flag+skip), но **redrive НЕ спасает** (повторяется). Тело перевода этих чанков КОРРЕКТНО — дефект = только ведущая «### ». **Рекомендация: export-нормализация ведущего `#{1,6} ` с строки-заголовка** (D29 уже отметил 8/54 финалов этапа A с ###; экспорт-контракт должен снимать) ИЛИ усиление промпта. Инфра отработала правильно — это находка о поведении модели.
|
||
2. **[glossary, для владельца] B2 dst-коллизия: 修炼/修行 → «культивация»** (сид v2, подписано владельцем) — читатель не различит два разных src. Раннер варнит на materialize. Подтвердить, что намеренно.
|
||
3. **[D10] 10 genuine-absent кандидатов дрейфа** отданы полигону на span-сверку (转→ранг, 古月→Гуюэ, 南疆→Наньцзян) — НЕ подтверждаю дрейф сам (author≠reviewer).
|
||
|
||
### ВЕРДИКТ
|
||
- **Инфра-инварианты на новом снапшоте: ДЕРЖАТСЯ** — деньги (committed==SUM/honest-stop-exit1/kill-9-orphan-recovery/resume$0/redrive-D15.3), диспозиции (echo-эскалация+ре-гейт LIVE, flag+skip, live OpenReadOnly-status), санитайзер (2 TP / 0 FP), spine (0 потерь), телеметрия/деньги (+16% в коридоре D30.4). **Плюс: фикс эскалации-флора D24.3 валидирован ЖИВЬЁМ** (то, что на этапе A возвращало эскалацию-пустышку, теперь rescue-ит эхо).
|
||
- **Читаемо / не читаемо: АРБИТР — ВЛАДЕЛЕЦ** (сэмплы `rerun/owner-sample.md`). Приёмка даёт честный замер, НЕ приговор. **Честно: на чистых story-главах (гл.8) этап A читался УЖЕ прилично — дельта инкрементальная (термины сида v2, нет эха, нет markdown, чуть плотнее), НЕ «нечитаемо→читаемо».** Крупный рычаг билингва — ВЕРНОСТЬ смысла (сверка с исходником), не видна на поверхностном чтении → **решает span-re-gate полигона.** Не преувеличиваю сходимость сигналов (урок eval-aggregation).
|
||
- **Верность: PENDING** (полигон re-gate; без него пере-прогон не засчитан — D1.1/D34.3).
|
||
|
||
### Вопросы владельцу (отдельный блок — после чтения)
|
||
1. **Читаемо ли?** Прочти `rerun/owner-sample.md` (гл.6, гл.8 + контраст этап A↔пере-прогон) и/или полный `rerun/rerun-ru.txt` (25 глав) холистически, как читал этап A. Перешло планку «лучше фана» (D30.7)? Да/нет.
|
||
2. **Этап B (срез ~300 глав, ~$5–6): да / нет / потолок?** При «да» — явный `ceilings.book_usd`/`day_usd` (согласие на трату, Р6). Проекция: ~$0.019/гл × 300 ≈ $5.7; рекомендую book_usd≈8, day_usd по темпу.
|
||
3. **markdown-заголовки (находка 1):** ок ли план «export-нормализация ведущего ###» (не трогая промпт/модель), или усилить промпт glm-5? Гейтит чистоту зачинов глав.
|
||
4. **B2-коллизия 修炼/修行→«культивация»** (находка 2): оставить (намеренно) или развести (напр. 修行→«совершенствование»)?
|
||
|
||
### Вердикт владельца (прочитал выхлоп пере-прогона) — СТРАТЕГИЧЕСКАЯ РАЗВИЛКА
|
||
**«Лучше, чем было (скорее из-за сида), но всё ещё крайне слабо художественно.»** Две конкретные претензии: **(1)** нет логической редактуры по абзацам, не соблюдаются конвенции русского; **(2)** остаются места, где модель не понимает связей/смысла. Владелец ставит вопрос о жизнеспособности сетапа и о смысле дальнейших тестов/масштаба.
|
||
|
||
**Диагноз приёмки (сверено с кодом/контрактом — НЕ баг, а недореализация):** обе претензии = машинерия качества, которая ДИЗАЙНЕРСКИ есть, но НЕ ПОСТРОЕНА (Фаза 2): judge (`role=judge` не исполним — `pipeline.go:170`; C2/C3/fanout не реализованы — `pipeline.go:159`), annotator-пре-пасс (speaker-ID/регистр/чэнъюй — 04-unhappy §124), чтение-вперёд, конвенц-гейты (морфо-род/ты-вы/канцелярит-Галь). Текущий пайплайн = голый линейный черновик→редактор + детерминированные гейты, **ноль оценки качества в контуре, ноль per-segment сигнала «где смысл поехал».** Черновик flash как ПЕРЕВОДЧИК на художественность не мерен НИКОГДА (D30.6). Владелец сам назвал обе проблемы в `START_PROMT.MD` (п.4-конвенции, п.33-чтение-вперёд) и предложил «судью над пайплайном» (п.3 разд.2) — реализован лишь разово как флагман (exp12/13).
|
||
|
||
**Решения к ратификации оркестратором (запрошены владельцем):**
|
||
1. **Этап B (~300 глав) ОТМЕНИТЬ** как инструмент оценки качества — это инфра-масштаб-тест, к художественности отношения не имеет, жжёт токены/40-мин ожидания. Итерация качества — на **≤10 главах**, быстро. 25 глав уже переведены (`rerun-ru.txt`), читаемы как есть.
|
||
2. **Развилка:** (A) пауза/стоп на дешёвом сетапе; (B) дешёвая фронтир-проба ~5 глав (~$5): фронтир-переводчик+редактор + фронтир-мета-ревьюер → разводит «потолок в моделях vs в архитектуре» ДО решения; (C) строить машинерию Ф2 (annotator+judge+чтение-вперёд+конвенц-гейты) → пилот Ф2.5. Приёмка рекомендует (B) как самый дешёвый вход в (A/C).
|
||
3. **Планка приёмки впредь = 2 претензии владельца** (абзац-логика/конвенции + понимание смысла), не только инфра. Инфра-веха Ф1 закрыта; вакуум качества — открыт.
|
||
|
||
**Guard:** любой фронтир-ревью/проба — на СЫРЬЕ (src+выходы+код), без наших выводов (урок research/17 — анкоринг = сфабрикованная сходимость); пре-регистрация до платных вызовов. **Промт-хендофф оркестратору:** `rerun/ORCHESTRATOR_HANDOFF.md`.
|
||
|
||
**Архитектурные пробелы — верифицированы независимо (6 адверсариальных агентов по коду, с калибровкой МОИХ интерпретаций):** факты подтверждены, но часть «дефектов» оказалась осознанными компромиссами → в хендофф поданы откалиброванно. **Реальные пробелы:** кросс-чанк дискурс на стыках (~1–2/глава; редактор не видит главу целиком — гипотеза `draft=чанк/edit=глава`), reference-тома прошлых частей (не построены, Ф2/3), **отсутствие LLM-оценки качества/аннотатора в контуре (главный, Ф2)**. **Откалибровано (НЕ дефекты, требуют эмпирики, не утверждения):** фикс-чанкер 1500/без-ёмкости-модели = quality-first компромисс; промпты lean НО ресёрч промтинга ЕСТЬ (research/15 §Промптинг, exp12/13/10); кэш 20% — присущ по-чанковому переводу, не из-за глоссария. **План владельца (на ратификацию оркестратором):** закрыть цикл приёмочных прогонов (инфра ✅/читаемость ❌ — НЕ «провал»), → ресёрч-сессия по репо → полигон-эмпирика (чанк/биллинг/промт/ретраи/переверстка — последняя тестируется БЕЗ пайплайна) → если подтверждается, доработка бэкенда. Планка впредь = 2 претензии владельца, не только инфра.
|
||
|
||
**12.07 (ночь): пере-прогон отревьюирован, ПИВОТ ратифицирован — D35.** 3 оси исполнением по копии re-run store/логам/выходам. **Конфиг-корректность подтверждена** (снапшот несёт v1-reflow/v2-bilingual-reflow/сид-v2 — НЕ старая моно-мина D34.2 → вердикт валиден). **Диагноз «Ф2-недострой, не баг» ПОДТВЕРЖДЁН** (все баг-гипотезы опровергнуты: reflow применён но зеркалит рубленость исходника = промпт-рычаг; билингв-редактор активен sim 0.643; сид инъектится 628 хитов; внутри-чанк-фиксимо/кросс-чанк-~1.28-Ф2 эмпирически верно; флор D24.3 валидирован в проде — эхо-эскалация ch16/0→pro@8000→реальный результат). Ратифицированы 3 пункта пивота (закрытие цикла / планка=2 претензии ИНТЕРИМ-пре-скрин-не-пилот / мерить→строить). Найден 1 реальный баг (major): санитайзер-флагнутые ch5/ch20 экспортятся ПУСТЫМИ (~44% зачина глав выпали; текст правки цел) → бэкенд-фикс + полигон исключает ch5/ch20 из слепых пакетов. Промт ресёрчера выдан НЕЙТРАЛЬНЫЙ (ревью поймало анти-анкоринг-дефект §3 хендоффа — урок D25.10). Fidelity re-gate (D34.3) остаётся жёстким гейтом. Дешёвые фиксы: ведущий `###` из draft (не glm-5), глоссарий разрядов 甲乙丙丁. Очередь: ресёрчер (`RESEARCHER_QUALITY_SESSION_PROMPT.md`) → полигон (нарезка×промпт + фронтир-диагностик + re-gate) → бэкенд под ROI.
|
||
|
||
---
|
||
*(Замеры и скрипты — в `/home/ubuntu/books/gu-zhenren/rerun/`: `audit.sh`, `d10_consistency.py`, `reflow.py`, `extract.py`, `records.json`, `rerun-parallel.txt`, `rerun-ru.txt`, `owner-sample.md`, `FIDELITY_REGATE_HANDOFF.md`, `ORCHESTRATOR_HANDOFF.md`. Всё ВНЕ git.)*
|
||
|
||
## Приёмка Ф1 — 蛊真人 zh→ru, этап A (25 глав), 2026-07-10
|
||
|
||
Приёмочная сессия по `ACCEPTANCE_SESSION_PROMPT.md`. Прогон реальной книги end-to-end, вердикт по критериям `02-mvp-plan §Приёмка Фазы 1`. **Ничего не закоммичено** (лендинг — оркестратору). Все производные (store.db, срез, выходы, отчёты) — ВНЕ git (`/home/ubuntu/books/gu-zhenren/acceptance/`). Дерево backend/ чистое (мои правки = 0; `docs/research/17-*` — чужая GPT-сессия, не трогал).
|
||
|
||
**Конфиг прогона (по контракту):** срез 25 глав (57 чанков) из `guzhenren-gb18030.txt` (GB18030, ре-энкод среза лосслесс), сид 49 терминов; draft=deepseek-v4-flash (thinking ON), editor=**glm-5** (D20.3 — чистого xAI-ключа нет), draft `escalate_to`=deepseek-v4-pro, `escalation.budget_usd=2.0` (D22.11), гейты дефолтные (coverage OFF, postcheck-гейт OFF=флаггер). Промпты/версии/пороги — байт-в-байт из pipeline-c1.
|
||
|
||
### Чек-лист приёмки (каждое — исполнением)
|
||
|
||
| # | Пункт | Как проверено | Результат |
|
||
|---|---|---|---|
|
||
| 1 | `committed == SUM(checkpoints)` | SQL по живому store на 3 срезах | ✅ ТОЧНО: honest-stop $0.07446423; **пережил SIGKILL** $0.08639944 (32 ckpt); финал $0.408077 *(испр. оркестратором: на финале после redrive инвариант по D15.3 — «≥»: SUM(130 ckpt)=$0.405370; «==» держалось до redrive и на конец полного прогона)* |
|
||
| 1 | Честный стоп потолка (committed+reserved) | book_usd=$0.08 → отказ резервации | ✅ отклонён ch5/1 edit *(испр. оркестратором: denied estimate=$0.00732 по phase1.log:74, не $0.0733)*, reserved=$0, «raise ceilings.book_usd or stop», exit 1 (код-путь tmctl, в логах не зафиксирован), резюмируемо |
|
||
| 1 | kill -9 посреди этапа → без переоплаты | реальный SIGKILL в in-flight glm-5 вызове | ✅ orphan-резервация $0.0075 восстановлена («recovered 1 stale reservation»), committed==SUM пережил краш, ≤1 вызов |
|
||
| 1 | resume не переоплачивает | поднял потолок $0.08→$2.0 (wiring-поле, не snapshot) → translate | ✅ *(испр. оркестратором — два resume смешаны в одну строку, оба чистые: ceiling-resume переиграл гл.1–5 за $0, первый платный — ровно отклонённая потолком стадия ch5/1 edit; пост-SIGKILL resume переиграл гл.1–6 за $0 (24 tm_hit), первый платный — ровно убитая стадия ch6/1 edit)* |
|
||
| 2 | echo-эскалация стреляет и ре-гейтится (D18) | ch1/0,1: cjk_artifact 76–82% | ✅ → deepseek-v4-pro → ре-гейт → флаг остаётся (fallback тоже провалил), edit skip, мусор в TM НЕ коммитится |
|
||
| 2 | refusal/empty → flag+skip+continue | 4 флага (cjk_artifact×2 стойких, length×2) | ✅ edit пропущен (DispSkipped), FinalText="" не течёт в TM/экспорт/STM |
|
||
| 2 | `tmctl redrive` на реальном флаге | dry-run (план 4) + real `--chapter 1 --chunk 4` | ✅ **флаг RESCUED** (length был транзиентным бюджетом → ok, attempts=2); флагов 4→3; committed≥SUM (D15.3: сброшенный $0.0027 остаётся в committed) |
|
||
| 2 | `tmctl status` живой при прогоне (OpenReadOnly) | status / status --json / report при активном translate | ✅ работают без flock; --json exit 2 (флаги); D23 orphan reserved-хвост виден до recovery |
|
||
| 3 | Консистентность D10 ≥98% (все approved) | замер ниже (нативный post-check + независимый пересчёт) | ⚠️ **суть выполнена (0 реальной терминодрейфа); флаггер шумит из-за неполноты decl сида** — разбор ниже |
|
||
| 4 | Ноль молчаливых потерь глав | ingest 25 глав → 57 чанков, spine consistent | ✅ все 25 глав обработаны, 0 U+FFFD, 0 потерь. (coverage-гейт OFF по дефолту — ≥90%-recall искусств. пропусков не гонялся, отдельный тест) |
|
||
| 5 | Честная оговорка D1.1 | — | ✅ приёмка = инфраструктура; верность НЕ мерена (это пилот Ф2.5) |
|
||
|
||
### Деньги (этап A, весь прогон)
|
||
|
||
- **committed = $0.408077**, reserved = $0.000000, потолок $2.00 (20.4%). **committed ≥ SUM(checkpoints)=$0.405370** (разница $0.0027 = *(испр. оркестратором)* ДВА сброшенных пре-redrive draft-вызова ch1/4, побайтно $0.0010117+$0.0016956; честное направление D15.3).
|
||
- **$/глава = $0.0162** (25 глав). **Проекция полной книги (2283 гл.) ≈ $37** — в коридоре промта $25–55, ниже человеческого якоря $100.
|
||
- **Доля стадий:** editor(glm-5) **83.3%**, draft(deepseek-flash) 15.3%, эскалация(deepseek-pro) 1.4%.
|
||
- **Санити vs exp08 (честно, не подгоняя):** exp08 моделировал editor 88–90% на grok-4.3. Здесь 83.3% — ниже, потому что (а) 3 флагнутых чанка пропустили дорогой edit *(испр. оркестратором: финально 3 — ch1/4 после redrive edit получил)* и (б) draft тяжелее (deepseek reasoning subset + ретраи length + эскалации). **⚠️ Клейм промта «glm-5 дешевле grok» неверен по выходу:** glm-5 output $3.2/M против grok $2.5/M = **+28% за токен**; итоговая $/глава ниже якоря из-за размера глав и пропуска edit флагнутыми, НЕ из-за дешевизны glm-5.
|
||
- Телеметрия чиста: deepseek reasoning=subset (внутри completion, `reasoning_tokens`-поле=0 — не путать с thinking-off), glm-5 billed по факту, эскалация billed отдельной осью (2 ckpt, $0.0056). Gemini/grok на wire-пути дефолт-конфига НЕТ (ожидаемо).
|
||
|
||
### Консистентность D10 — разбор (числитель/знаменатель + классы промахов)
|
||
|
||
Нативный post-check (retrieval_state, decl-aware, реальный матчер) на 57 чанках: **55 confirmed-промахов**, 14 style-флагов, инъекций(точных)=529, sticky=166. Независимый пересчёт по сиду+выходам (author≠reviewer, дважды):
|
||
|
||
- **Occurrence-level D10 = 1780/1938 = 91.8%**; **presence-level = 370/390 = 94.9%**. По типам (presence): **имена 98.5%, места 100%, титулы 99%, термины 89%**. *(Пометка оркестратора: точные числители/знаменатели метод-зависимы и без приложенного скрипта третьей стороной не воспроизводятся — независимая реплика под 6 конвенциями матчинга даёт occurrence 83.1–93.8% / presence 91.6–99.3%, отчётные значения внутри диапазонов, качественная структура (термины — слабейший класс, места 100%) совпадает; с decl-докредитом (база+мн.ч.) occurrence-реплика = 99.0% ≥ 98%. Методику пересчёта на этапе B приложить скриптом.)*
|
||
- **Классификация ВСЕХ 55 confirmed-промахов (по фактическим выходам):**
|
||
- **37 = nominative_gap** — approved-dst присутствует в ИМЕНИТЕЛЬНОМ, но `decl.forms` перечисляет только косвенные падежи, а фолбэк на базовый dst в `dstFormPresent` (mempostcheck.go:85-96) срабатывает ТОЛЬКО при пустом decl. Пример: `方源→Фан Юань` — «Фан Юань» есть в выходе (+«он» ×4–10 для прочих упоминаний), но флагается.
|
||
- **18 = inflection_gap** — корень dst присутствует в форме, которой нет в сиде (обычно МН.Ч.): `元石→первокамень` рендерится «первокамней/первокамни/первокамнями» (сид дал только ед.ч.); так же `凡人→смертный`→«смертных/смертными», `蛊师→гу-мастер`→«гу-мастеров».
|
||
- **0 = genuine drift** — среди 55 промахов флаггера реального рассогласования терминологии НЕТ. *(Уточнение оркестратора: адверсариальный поиск ВНЕ зоны видимости флаггера нашёл ровно 1 дрейф-вхождение — гл.18/0 рендерит 古月方源 раздельно «гу юэ фан юань» против «гуюэ…»×35 и «гуюэ»×154 в остальном корпусе; post-check структурно слеп к этому классу: полное имя longest-match'ится на 方源, чей dst присутствует → промах не фаерится. Alias-слепое пятно зафиксировано в D24.)*
|
||
- **Вывод:** машинерия (инъекция + decl-aware post-check + флаггер) работает; **истинная терминоконсистентность ≈ 99.5% (1 наблюдение дрейфа на ~190 поверхностей клан-имени, вне видимости флаггера)** *(испр. оркестратором: было «≈100% (0 дрейфа)»)*. Измеренный <98% — целиком артефакт **неполноты decl в сиде** (нет именительного-в-decl + нет мн.ч.), воспроизведён двумя независимыми методами. Порог 98% ДОСТИЖИМ; правка — сиду (дописать nom+мн.ч. в `decl.forms`) ИЛИ post-check (всегда проверять базовый dst, а не только при пустом decl). Это ровно почему `postcheck_gate` дефолтно OFF (флаггер): флип ON сейчас = флаг-шторм на легитимных именительных.
|
||
|
||
### G2 flag-rate (первый замер человеческой петли на реальной книге)
|
||
|
||
- **3/57 чанков (5.3%) флагнуто** после redrive (4/57=7.0% до redrive; redrive снял 1 транзиентный length).
|
||
- **Концентрация: 2 из 25 глав** несут все флаги — гл.1 (классический зачин «第一节：纵身亡魔心仍不悔» — эхо на плотной архаике, ср. register-оговорка D22.5) и гл.10 (length). **23/25 глав — чисто.** Человеческая петля front-loaded на классику/плотный ханьский зачин, не размазана.
|
||
- Стиль-флаггеры (наблюдаемость): **14, все `dialogue_dash`** (0 ё / 0 транслит-междометий / 0 разрядов 万億).
|
||
|
||
### Находки для оркестратора (НЕ чинил — правят wire/вердикты → изменение поведения)
|
||
|
||
1. **[major] Эскалация draft→deepseek-v4-pro неэффективна под дефолтным max_tokens.** deepseek-thinking требует ≥8000 (quirks), а `max_output_ratio=2.2`+`min_max_tokens=2048` дают ~2–3k на чанк → эскалация возвращает empty/length (finish=length), сжигая ~3× цену draft впустую. На ch1/0,1 хоп deepseek-v4-pro дал compl=2048/3291 finish=length. Известный техдолг («min-budget Kimi≥16k/Gemini≥8k — комментарии, не схема») подтверждён эмпирически для deepseek. **Вопрос: ввести per-model floor max_tokens для thinking-моделей (schema, не комментарий)?** Правит снапшот → решение оркестратора/владельца.
|
||
2. **[major] Post-check `dstFormPresent` не проверяет базовый dst (именительный) при непустом `decl.forms`** (mempostcheck.go:87-89: фолбэк на base только при пустом decl). Даёт 37/55 ложных промахов на именительных. Правка: либо сиду дописать nom+мн.ч. в `decl.forms` (зона полигона), либо коду — всегда добавлять базовый dst к проверяемым формам (правит вердикты флаггера → изменение поведения). Гейтит осмысленность/флип `postcheck_gate`.
|
||
3. **[info] deepseek-flash эхает на классическом зачине гл.1** (cjk_artifact 76–82%, finish=stop — интринсик, не бюджет). Ожидаемо (D18/D22.5), гейт ловит корректно. Не баг.
|
||
|
||
### Вердикт
|
||
|
||
**Критерии приёмки Фазы 1 (`02-mvp-plan`) ВЫПОЛНЕНЫ — как инфраструктурная веха — С ОГОВОРКАМИ.**
|
||
- Деньги (committed==SUM, честный потолок, resume $0, kill-9 ≤1 вызов, budget_usd-гейт эскалации), диспозиции (echo-эскалация+ре-гейт, flag+skip+continue, мусор не в TM), redrive (rescue+D15.3), живой OpenReadOnly-status, телеметрия/паспорта — **подтверждены исполнением, без исключений.**
|
||
- Консистентность D10: **суть выполнена (дрейф ≈0: 1 вхождение вне видимости флаггера — см. разбор)**; формальный порог 98% по флаггеру не достигнут из-за неполноты decl-сида — не машинный/модельный отказ, воспроизведено, actionable (находка 2).
|
||
- Верность НЕ мерена (D1.1, по контракту — пилот Ф2.5).
|
||
- *(Оговорки вердикта дополнены оркестратором при верификации, D24):* (а) **объём**: прогнан срез 25/2283 глав (~80k zh-символов), не «том целиком» буквы критерия 1 — полный объём двигается в этап B по этапности промта; (б) **coverage-гейт**: recall-тест «≥90% искусственных пропусков» НЕ гонялся (гейт OFF по дефолту) — остаётся отдельной задачей, вторая половина критерия 4 (ноль молчаливых потерь) выполнена; (в) **grok-биллинг** (под-критерий 2) не мерен — редактор glm-5 по D20.3, grok на wire отсутствовал; (г) **budget_usd эскалации** проверен только в направлении «>0 → стреляет» (D22.11), отказ по исчерпанию не исполнялся; (д) parallel-экспорт устарел для спасённого redrive'ом ch1/4 (показывает старый флаг без перевода) — перегенерить на этапе B.
|
||
|
||
### Вопросы владельцу
|
||
|
||
1. **Этап B (полная книга 2283 гл.): да / нет / потолок?** Этап A стоил **$0.41** за 25 глав; полная проекция **~$37** (glm-5-editor). Нужен явный «да» + `ceilings.book_usd`/`day_usd` (согласие на трату, Р6). Рекомендация: `book_usd≈45`, `day_usd` по темпу (сейчас ~$0.016/гл × скорость).
|
||
2. **Редактор этапа B:** glm-5 (как A) или ждать чистый xAI-ключ под grok-4.3? По D20.3 glm-5 для приёмки допустим (B — та же инфра-веха). Напоминание: glm-5-output на 28% дороже grok/токен.
|
||
3. **Сид перед этапом B:** дописывать полноту decl (nom+мн.ч.) сейчас (полигон), чтобы D10-флаггер стал осмысленным, или гнать этап B с флаггером как есть (гейт OFF, прогон не блокирует — просто шумный retrieval_state)? Приёмку инфры B не гейтит; но без этого D10-число останется заниженным.
|
||
|
||
*(Ревью оркестратора 11.07, воркфлоу 5 осей — всё исполнением по копии store/логам/экспортам: деньги воспроизведены до float-epsilon (все 130 чекпоинтов пересчитаны из usage×прайсов), классификация 55 промахов реплицирована бит-в-бит независимой реализацией матчера, SIGKILL/honest-stop/resume сверены по phase-логам, конфиг-паритет с pipeline-c1 подтверждён diff'ом с ровно двумя санкционированными дельтами. Правки текста и дополнительные оговорки внесены выше с пометками «испр. оркестратором». Ратификация вердикта и обе развязки — D24; ответы на вопросы 1–3 — в D24.4–24.5.)*
|
||
|
||
## 2026-07-11 — Оркестратор №3: лендинг приёмки этапа A и research/17, D24/D25, задания
|
||
|
||
Передача роли №2 принята (промт 4c48f89). Два ревью-цикла, оба мультиагентными воркфлоу, всё исполнением/по первоисточникам:
|
||
|
||
1. **Приёмка этапа A — верифицирована и залендена (7ca14c2), вердикт ратифицирован D24.** 5 осей ($0, по копии store/логам/экспортам): все хедлайны воспроизведены — деньги до float-epsilon, классификация 55 промахов бит-в-бит, SIGKILL/стоп/resume по логам, конфиг-паритет. Найдено и исправлено при лендинге: денежная опечатка ×10 ($0.0733→$0.00732), смешение двух resume в одной строке, «committed==SUM» после redrive (корректно «≥», D15.3), «0 дрейфа»→«≈99.5%» (1 вхождение гл.18/0 古月方源 раздельно — alias-слепое пятно вне видимости флаггера, зафиксировано D24.2); вердикт дополнен оговорками (объём 25/2283; coverage-recall не гонялся; grok-биллинг не мерен; budget_usd-отказ не исполнялся). Числа собственного пересчёта отчёта (1780/1938 и 370/390) третьей стороной не воспроизводятся (метод не приложен; реплики дают диапазоны, вывод устойчив) — методика этапа B обязана быть скриптом.
|
||
2. **Развязки приёмки ратифицированы (D24.3–24.4):** per-model floor `min_max_tokens` схемой (deepseek 8000 / gemini 8000 / kimi 16000; хоп берёт флор своей модели; блокер этапа B — при прайоре эха 25% без флора ≈$3.6 эскалаций-пустышек на книге) и post-check «базовый dst всегда проверяется» (код, не сид; 37/55 ложных) + сид-обогащение мн.ч. (полигон; 18/55). Порядок: **фиксы → единый resnapshot → этап B** (~300 глав по переопределению владельца, ~$5; редактор glm-5).
|
||
3. **research/17 — ревью завершено, залендено с ревью-шапкой (a148f41), абсорбция D25.** 12 агентов: 19/19 первоисточников существуют (0 несуществующих; 8 с нюансами — ключевой: морф-оговорка Exel et al. процитирована с инверсией); анти-якорение критиком соблюдено (лексический аудит §A, errata-паттерн), но НАШ мандат засеял §A осями и списком дыр → конвергенция ≠ независимое подтверждение (урок D25.10); метки §B2/«Итога» переграждены в PLAUSIBLE. Абсорбция: release-state контракт (задача с гейтом «до читательского экспорта»), fidelity-каскад shadow (Ф2, НЕ вперёд пилота), sequential-судья только как вложенный анализ D13.3, L3-расширения в спеку D22.7 (методика валидации — владельцу: конфликт с гардрейлом «не анализировать»), trust boundary в контракт сейчас (action-gate — именованный блокер Ф3), review bundle в minimal-форме, echo-калибровка полигону, over-stylization метрика в voice-арм. Курс не разворачивается; пилот Ф2.5 остаётся решающей точкой и не разбавляется.
|
||
4. **Задания выданы:** `BACKEND_PACKAGE5_SESSION_PROMPT.md` (floor + post-check + golden re-capture + coverage-recall/budget-отказ тесты + D23.4-микро) ∥ `POLYGON_PACKAGE4_SESSION_PROMPT.md` (сид мн.ч. — гейтит этап B; D22.8 major; проба судьи-дублёра; echo-калибровка; дополнения пре-регистрации пилота; P4-хвост) → затем этап B (`ACCEPTANCE_SESSION_PROMPT.md` ред. 11.07). Доко-дрейф ja-приёмки в 02-mvp-plan закрыт (v3.1); GPT_EXTERNAL_ASCENT_PROMPT — в архив.
|
||
5. **Владельцу (сводно, см. CURRENT-STATE):** «да»+потолок на этап B (после лендинга №5+сида); билингв-якорь пилота (Q1 — рекрут vs en-мост в пре-регистрации); publishable/waiver-подпись — при постройке экспорта; L3 FN-bound и методика валидации — при спеке; юр-пакет и чистый xAI-ключ — висят.
|
||
|
||
## 2026-07-11 (позже) — Оркестратор: качество-первым (D26)
|
||
|
||
Владелец прочитал 25 глав этапа A — **нечитаемо, слабейшее звено редактура**. Первый человеческий замер читаемости на реальной книге; D24 не пересматривается (приёмка мерила инфраструктуру по D1.1), но очередь перестроена — **D26**: этап B заморожен до читаемого конфига на 25 главах; полигону выдан промт **exp12 «диагностика качества»** (`POLYGON_QUALITY_DIAG_SESSION_PROMPT.md`: армы draft-only / glm-5-моно / glm-5-билингв / grok-моно / grok-билингв / gemini-премиум / grok-без-констрейнтов на 3 чистых главах; слепые пакеты владельцу; LLM-судьи вторично с билингвальной сверкой смысла; root-cause разбор худших мест; кап $5; текущий xAI-ключ допустим — D19.4); полигон №4 — второй приоритет; бэкенд №5 без изменений, после него — пакет D15.2 (пер-стадийный reuse = дешёвая итерация редактора). Оценка research/17 владельцу дана честно (~6/10: две контракт-аддиции + задачи, по качеству перевода — ничего, не его мандат). Разъяснена «гигиена чистого ключа» (без data-sharing + без NSFW-истории; к exp12 не требуется).
|
||
|
||
**Позже (11.07, ночь): D27 — ключевая политика xAI по решению владельца.** Отдельный чистый ключ не заводится: текущий (с data-sharing-промо — уточнение владельца, supersedes скобку D19.4) идёт на все тесты и пилот, data-sharing отключается перед продом. «Чистый ключ» снят из блокеров пилота; вынужденная glm-5-замена умирает (grok доступен для exp12/пере-прогона/этапа B). Риски зафиксированы принятыми (копирайт 蛊真人 в обучение — только свои тесты; NSFW-история аккаунта), рекомендация-митигация: пилотный корпус (вне претрейна!) гнать при временно выключенном data-sharing — ждёт «да/нет» владельца. Механику отключения сверить с вендор-докой перед релизом (в чек-лист первого боевого прогона). Инцидент git при синке D26: `add -A` подмёл чужие незакоммиченные правки живой бэкенд-сессии №5 — размотано soft-reset'ом немедленно, содержимое чужих файлов не тронуто; впредь стейджинг только пофайловый.
|
||
|
||
**Ночь: бэкенд-пакет №5 отревьюирован и залендён (aa47e25), ратификация D28.** Внешнее ревью 5 осей исполнением в scratchpad-копиях (при двух живых сессиях в дереве), ~10 мутаций переисполнено независимо: **все оси ACCEPT, 0 critical/major**. Гипотеза «фиксы мертвы (golden пуст)» убита исполнением в обе стороны (флор фикстурной модели валит golden wire-диффом; oblique-only сид флипает вердикты 2/1/2→1/0/1) — пустой дифф data-driven. Scope чист (ровно 4 флора в models.yaml, exp12-файлы полигона не тронуты). D24.4 амендирован (recall-трейдофф — поймал сам пакет); fix-лист D28.3 (fbHash-пин хопа, provider_local×floor note, косметика, models.yaml→D27) — в пакет D15.2, промт которого выдаётся после развязки exp12 (D28.4: reuse×смена-редактора взаимодействуют).
|
||
|
||
**12.07 (позже): exp12 отревьюирован и залендён (75db9e1), ратификация D30 — флип D1 и пакет качественных фиксов.** 4 оси ревью, всё исполнением по diag/-артефактам и store-копии: ядро диагноза подтверждено (пассивность моно-редактора бит-в-бит: 3/6 grok-чанков байт-идентичны черновику; вёрстка — от промптов дословно; дефекты — в черновике; риг A1′≈прод). Снято ревью: «единогласный #1 A2» (gpt-5-mini 9/9 за A5; выбор glm-5 = цена ×13 + чистота), «fidelity-гейт пройден 5.0» (судьи давали 5.0 сырому черновику; A2 сам внёс инверсию «пожертвуй мной» → re-gate верности обязателен на пере-прогоне), утечка gemini 6/6 (не 4), мина статусов сида v2 (спорные со status:approved ушли бы в hard-constraints — до подписи владельца → draft). Ратифицировано D30: флип D1 моно→билингв (supersede D17.в), reflow, санитайзер, глоссарий v2 условно, exp13 бейк-офф переводчиков (+grok-ON арм), COGS-рамка (флип +15–25%, «$1.5–2»=опция Б отдельно), трек дешёвых моделей владельца (архитектура конфиг-первая — фронтир позже без переделки кода). Промты выданы: `BACKEND_D152_SESSION_PROMPT.md` (этап А гейтит пере-прогон) ∥ `POLYGON_EXP13_SESSION_PROMPT.md`.
|
||
|
||
**12.07: research/16 «Ридер-IDE» отревьюирован и залендён (458b0ea), ратификация D29.** 4 оси (источники ×2 по первоисточникам, независимая реплика $0-пробы, red-team контракта против кода/D15.2-спеки): **ACCEPT_WITH_FIXES**. Ядро принято: чанк = несущий якорь; precision-гейт YELLOW перед показом цветов (<10% ложных/флаг); детект-флаггер, не форс-структура; числовой confidence — никогда без QE. Поправки ревью: числа пробы — верх метрик-диапазона 44–58% на stale-базе (DB-истина 57.4%/70.4%, редактор 90.7%, не 93%); «полностью из read-model» — оверклейм (src/dst_range, source_file_hash, спаны = net-new → нужна настоящая `tmctl export`-команда с ассемблером); passport-3-тир = явный амендмент вердикт-правила D12/exp07 (при gate-on glossary_miss уже катится в fail); override-ключ = хеш СЫРОГО src-текста (не content_hash=rendered msgs — ловушка), override — новое provenance-состояние, не «verdict-нейтрален». Плюс находка реплики: 8/54 финалов несут markdown-`###` → нормализация выхода в экспорт-контракт. Абсорбция: D29.1(а–д) в пакет D15.2; полигону 4 задачи (precision — только post-hoc, пре-регистрацию exp12 не трогать); Ф3-хвост — в F3-brief.
|
||
|
||
**12.07 (вечер): тотальная ревизия документации (D31) по мандату владельца.** Мультиагентный staleness-аудит 5 кластеров (read-only, каждый клейм сверен с D-логом). Применено дисциплиной D23.3 (историю не переписывать — только баннеры/пометки/архив): (1) **PROGRESS.md разделён** — закрытая хроника 04–10.07 (~330KB) в `archive/PROGRESS-2026-07-04-10.md` с дословными заголовками (grep-рефы кода целы); живой файл 393→63KB (~85–100K токенов экономии на онбординге). (2) D-лог: карта актуальности сверху (superseded-цепочки). (3) CLAUDE.md: шапка-пайплайн БИЛИНГВ/~$0.85, счётчик D1–D31, «Текущее состояние» под дорожку D30.9. (4) Баннеры/пометки живых доков architecture/experiments/research (главное: опасные editor-grok строки `00-provider-quirks` — reasoning-off = no-op — исправлены; `04-editor-quality`/`08-cost-model` баннеры; `04-api-providers`/`gap-2` под D30/D14–D22; `13`/`14` post-check-каветка снята decl-путём). (5) Промты: старые в архив (ORCHESTRATOR v2 / ACCEPTANCE v1 / READER_IDE), написаны заново **ORCHESTRATOR хендофф №3** и **ACCEPTANCE под пере-прогон+этап B**. Сознательно не тронуто (низкий приоритет, покрыто картой D-лога): `01`/`02`/`10`-эксперименты; backend/README и eval/README — чужие зоны, в fix-листы D15.2/exp13.
|
||
|
||
**12.07 (ночь): exp13 отревьюирован и залендён с ревью-шапкой, ратификация D32.** 4 оси исполнением по diag/-сырью и конфигу @HEAD (при двух живых сессиях в дереве). **Сид v2 ПРИНЯТ** (трансформ байт-воспроизводим — дефект провенанса D30.5 закрыт; 6 спорных → status:draft, 0 hard-lock; мн.ч. D24.4 влито → полигон-№4 сид-задача закрыта; гейты 30/30 честны; бюджет $5.50 сходится; пре-рег заморожен; слепота цела) — гейтится подписью владельца 6 спорных+род «гу» (`diag/glossary_v2_signoff.md`). **Смена переводчика flash→pro ОТКЛОНЕНА по данным** (повтор класса exp12): «7 сигналов сходятся» ложно (делятся 3-3 flash-верность/pro-стиль; флагманы расходятся); #1 pro держится на gemini (gpt-5-mini-якорь ставит mistral #1, pro #3); pro ЕДИНСТВЕННЫЙ рендерит заглавный 蛊 как «гусеницы» ×2 — катастрофа класса забракованных армов; по верности (ось черновика-под-редактором) flash≥pro, pro ×3.7 дороже; подъём даёт свзяка, не переводчик. **Черновик остаётся flash** (= текущий конфиг, escalate_to=pro без изменений — коллизия снята). Методика-фиксы полигону в любой будущий бейк-офф (fidelity-first агрегация, катастроф-скрин, leave-one-out, per-call кап, grok-reasoning wire-квирк). Бэкенд отдельно отчитался «пакет D15.2 ЭТАП А завершён» — отревьюирую следующим циклом (код backend/ не лендил).
|
||
|
||
**12.07 (ночь, позже): бэкенд-пакет D15.2 ЭТАП А отревьюирован и залендён (00f8e36), ратификация D33.** 4 оси исполнением в scratchpad-копиях WIP: golden ACCEPT, wiring ACCEPT, sanitizer/spec-scope ACCEPT_WITH_FIXES. Верифицировано: golden байт-в-байт (TM_UPDATE_GOLDEN=1 → тот же sha256), дифф-класс ровно санкционированный, 3 новых поведения запинены мутацией (floor/union/isFinal); билингв {{text}} доказан рендер-пробой; reflow консистентен; **конфиг-флип D32 соблюдён** (editor=glm-5, draft=flash, эскалация не тронута, grok-редактора нет); build/vet/test-race зелёные; спека v3.1 только дизайн (этап Б не утёк); скоуп backend-only. **2 major-дефекта санитайзера, которые backend-ревью пропустило** (D33.1, чинить до пере-прогона, вливается в тот же resnapshot): (а) хвостовой класс не ловит «Основные правки для справки» — целевую gemini-утечку A5/5_1; (б) класс «битые словоформы» ложно флагает «около колонны»/«стало талой» как «Первок предок» (флаг-шторм на прозе). Промт фикса выдан (`BACKEND_SANITIZER_FIX_SESSION_PROMPT.md`). Ответы бэкенду: editor grok→glm-5 подтверждён (D30.1); FALSE-POSITIVE-классы санитайзера НЕ приемлемы как «принятые FP» — чинить; этот resnapshot = единый resnapshot пере-прогона. Этап Б+В — промт после пере-прогона (исход чтения уточнит экспорт В).
|
||
|
||
## Бэкенд
|
||
|
||
*(Закрытая хроника пакетов №0–№4 (04–10.07) перенесена в [archive/PROGRESS-2026-07-04-10.md](archive/PROGRESS-2026-07-04-10.md) — ревизия D31.)*
|
||
|
||
### 2026-07-11 (пакет-5) — Фиксы приёмки этапа A (D24.3/24.4) + тесты-оговорки + D23.4-хвосты ЗАВЕРШЕНО
|
||
|
||
По `BACKEND_PACKAGE5_SESSION_PROMPT.md`. **Ничего не коммичено** (лендинг — оркестратор). `go build ./... && go vet ./... && go test -race ./...` — зелёные. Все новые тесты mutation-verified (реверт фикса валит именно его тест — подтверждено исполнением). Финал — агентское адверсариальное ревью диффа (4 оси find→refute-by-default verify, author≠reviewer): 1 CONFIRMED minor (неточность коммента о recall у union — закрыт, см. оговорку 4), 0 critical/major. Осведомлён о D26-заморозке этапа B: пакет №5 остаётся в очереди (line-4 CURRENT-STATE) и гейтит этап B; фиксы валидны независимо от editor-диагностики exp12.
|
||
|
||
**Сделано:**
|
||
|
||
1. **Per-model floor `min_max_tokens` (D24.3) — смена wire-поведения.** Поле в схему `capabilities` (`config.CapabilitiesConfig.MinMaxTokens`), резолвится через `ResolveCapability` (провайдер→модель) и живёт в `llm.Capability` (тег `json:",omitempty"`) → **фолдится в snapshot автоматически** и для primary (`ResolveCapability(st.Model)`), и для hop (`ResolveCapability(st.EscalateTo)`) — правка флора = громкий `--resnapshot`. Применение: `Runner.applyModelFloor(base, model)` ДО request_hash — на праймари (`stagerun.go`, по `st.Model`) И на хопе (`escalation.go` `maybeEscalate`, по `st.EscalateTo`: `hopMaxTokens` в fbHash И в runAttempt — ровно фикс этапа A, где хоп наследовал 2048/3291 → finish=length). Флоры в `models.yaml`: deepseek-v4-flash/pro **8000**, gemini-3.1-pro-preview **8000**, kimi-k2.6 **16000**; glm-5/5.1/grok-4.3 — без поля. Комментарии-заглушки «дать ≥8000/16000» → схема. Валидация `min_max_tokens<0`. README-техдолг обновлён (комментарий→схема). Флор не течёт в тело как ключ (`applyToBody` его не читает) — только через max_tokens; резерв EstimateUSD растёт на флорнутых вызовах, committed по факту не меняется.
|
||
|
||
2. **Post-check `dstFormPresent`: базовый dst всегда проверяется (D24.4) — смена вердиктов.** Множество проверяемых форм = `{normalizeTargetForm(dst)} ∪ declForms` ВСЕГДА (было: база — только фолбэк при пустом decl). Закрывает 37/55 ложных промахов этапа A (nominative_gap: approved-dst в именительном, decl только косвенные). Union монотонен (только промах→пасс) → precision↑; poisoning ловится по-прежнему (тест). recall на измеренных данных не страдает, НО строго это precision/recall-трейдофф с узким классом ложных пропусков — см. оговорку 4. inflection_gap (18/55, мн.ч.) остаётся сид-фиксом полигона.
|
||
|
||
3. **Golden re-capture — дифф-класс ПУСТОЙ (byte-identical, sha256 совпал, git diff пуст).** Прогон `TM_UPDATE_GOLDEN=1` не изменил `capture.golden`. Причина (проверено чтением фикстуры): (а) фикстура использует ТОЛЬКО нефлорнутые `fake-model`/`fake-fallback` → floor 0 → нет wire-изменений; `omitempty` держит Capability-JSON нефлорнутых моделей байт-в-байт → snapshot неизменен; (б) в сиде каждый entry с непустым decl уже несёт базовый dst первой формой, а два записанных промаха (紋章→герб ch1/0; 竜の紋章→Драконья печать ch2/0) НЕ имеют в проверяемом выходе ни базовой формы, ни decl-формы → union не спасает ни один → вердикты неизменны. Пустой дифф ⊆ санкционированных классов {(a) max_tokens флорнутых, (b) postcheck-вердикты}. Оба новых поведения покрыты выделенными mutation-verified юнит-тестами (golden их не упражняет — нет флорнутых моделей/oblique-only-сида в фикстуре).
|
||
|
||
4. **Тесты (все новые mutation-verified; числа):**
|
||
- `TestMinMaxTokensFloorPrimary/Hop/FoldedIntoSnapshot` (`maxtokens_floor_test.go`, новый): primary флор на wire (max_tokens==8000); хоп re-флорится по СВОЕЙ модели (primary=512, hop=9000 — доказывает per-call, не global); правка флора двигает snapshotID. Мутации: снять primary-флор → 512≠8000 FAIL; хоп наследует базу → 512≠9000 FAIL.
|
||
- `TestPostcheckBaseDstAlwaysChecked` (`memory_e1_test.go`): repro этапа A (方源→Фан Юань, oblique-only decl + именительный в выходе → промаха НЕТ) + негатив (dst и все формы отсутствуют → промах ЕСТЬ). Мутация: реверт к empty-decl-фолбэку → положительный кейс валится с `[{方源 Фан Юань confirmed}]`.
|
||
- `TestRunnerEscalationBudgetExhaustionDeniesLaterHop` (`escalation_budget_test.go`, новый; D24.1г): 2-главный epub, оба чанка эхают, budget 0.001 < 1 хоп. Гл.1 хоп допущен (spent 0<budget) → OK; гл.2 хоп ДЕНИЕД (spent≥budget) → флаг остаётся, edit skip, escalation-spend ровно 1 хоп (денег на деньед-хоп $0), 4 вызова, exit 2. Мутация: `spent<budget+1e9` → гл.2 эскалирует, 6 вызовов FAIL.
|
||
- `TestCoverageGateCatchesArtificialExcision` (D24.1б, предсуществовал — пакет coverage-гейта): синтетические пропуски (drop 30/40/50/60% предложений × zh/ja/en) → recall **12/12 = 100%**, контроль 0 ложных. Усилил: recall-число теперь ПИННУЕТСЯ ассертом (`caught==total`), не только логом; ≥90%-бар приёмки сохранён.
|
||
- `TestErrTailTruncatesOnRuneBoundary` (`render_test.go`; D23.4): >120 байт с континьюейшн-байтом на офсете 120 → валидный UTF-8, без U+FFFD, суффикс «…». Мутация: `!RuneStart(...)&&false` → `\xd1…` невалид FAIL (реверт фикса раньше выживал сьют — гэп закрыт).
|
||
- `TestRetryLoopLogsWillRetryOnlyWhileAttemptsRemain` (`httpllm_test.go`; D23.4, slog-capture): персистентный 5xx, MaxAttempts=3 → ровно 2 «will retry» (не на последней попытке), несут `retry_in`, финал — «exhausted». Мутация: снять `att+1>=MaxAttempts break` → 3 «will retry» FAIL.
|
||
- kill9 rounds 3→5 (`kill9_test.go`, D23.4). Комментарий golden_test.go:32 смягчён (AMBIGUOUS-ячейка: выбрано смягчение коммента, НЕ правка фикстуры — держит golden байт-в-байт; ambiguous=0 в капче задокументирован, AMBIGUOUS>0-ячейка = опц. расширение фикстуры отдельной ратификацией).
|
||
|
||
**Оговорки / вопросы оркестратору:**
|
||
1. **Golden не упражняет новые поведения** (флор/union) — фикстура нефлорнута и сид уже полон базой-в-decl. Покрытие — выделенными тестами. Рекомендация (опц., отдельная ратификация): при следующем осознанном golden-рефреше добавить в фикстуру (i) стадию на флорнутой модели и (ii) entry с oblique-only decl + именительным в выходе — тогда golden запинит и wire-max_tokens флора, и union-вердикт. Не делал сейчас: это правка фикстуры = golden-дифф класса ВНЕ {a,b} санкции пакета.
|
||
2. **Реальный `configs/models.yaml` теперь даёт другой snapshot** для deepseek/gemini/kimi (флор в Capability). Ожидаемо и совпадает с планом D24.5 «фиксы → единый resnapshot → этап B»; книга gu-zhenren вне git, resnapshot на её стороне. Тесты boevoy-конфига (echo_mine) зелёные.
|
||
3. **Порядок floor vs global MinMaxTokens:** оба — max(), порядок неважен; флор только ПОВЫШАЕТ (0 не понижает). Хоп: `max(унаследованная_база_праймари, флор_хопа)` — наследование бюджета сохранено (мандат), флор добавлен сверху.
|
||
4. **⚠ Пинг (зона docs/, формулировка D24.4): «recall не страдает» у union-фикса — НЕТОЧНО.** Адверсариальное ревью пакета (4 оси find→verify, 1 CONFIRMED minor) поймало: расширение accepted-set монотонно (только промах→пасс), это precision/recall ТРЕЙДОФФ, не бесплатный выигрыш. На данных этапа A убранные промахи — все ложные (precision↑, 37/55). Но есть узкий РЕАЛЬНЫЙ класс потери recall: entry, у которого decl БЕЗ именительного И база — нарицательное слово, которое встречается в выходе отдельно, тогда как сам термин для своего вхождения ДРОПНУТ (`剑→меч` дропнут как «клинок», но «меч» стоит рядом не по делу) → bag-of-words-проверка пасует, дроп замаскирован. На реальных данных редко (транслит-имена не совпадают случайно) и ТЕРПИМО пока это ФЛАГГЕР. **Если `postcheck_gate` когда-либо флипается в hard-gate — обязателен пере-замер recall на нарицательных терминах (не предполагать).** Код НЕ менял (union = ратифицированный D24.4); поправил только собственный коммент в `mempostcheck.go` на честный трейдофф + предупреждение о промоушене. Поведение/golden не тронуты. Рекомендация: в D24.4-логе смягчить «recall не страдает» → «на измеренных данных recall не страдает; hard-gate требует пере-замера».
|
||
|
||
### 2026-07-12 (пакет D15.2 · ЭТАП А — качественные фиксы D30, гейтят пере-прогон 25 глав) — ЗАВЕРШЁН · лендится ОТДЕЛЬНО и ПЕРВЫМ
|
||
|
||
По `BACKEND_D152_SESSION_PROMPT.md` этап А. **Ничего не закоммичено** (лендинг — оркестратор). `go build ./... && go vet ./... && go test -race ./...` — зелёные. Golden re-captured осознанно (инвариант №8). Зона чистая: правил только `backend/`; чужие правки `docs/PROGRESS.md` (полигон exp13, «Полигон»-секция) и `eval/exp13_*` НЕ трогал. Финал — адверсариальное ревью диффа (воркфлоу, 4 оси find→verify-by-refute, author≠reviewer): **14 CONFIRMED (все — ложные срабатывания санитайзера на легитимной ru-прозе; 0 после фиксов), 0 в интеграции/golden/контракте вне санитайзера.**
|
||
|
||
**Сделано (4 фикса D30):**
|
||
|
||
1. **Билингв-редактор (флип D1→D30.1, supersede D17.в).** `prompts/editor.md` стал БИЛИНГВ (форма D13.1 — простой general-промпт: блок `{{text}}`=исходник + инструкция сверять смысл/чинить кальки жестов, БЕЗ сложного инжиниринга). Раннер УЖЕ передаёт `Text: ch.Text` каждой стадии (`stagerun.go:59`) → editor.md просто ссылается на `{{text}}`. Моно-вариант сохранён отдельным файлом `prompts/editor-mono.md` (подтверждающий пилот-арм D13.1; тот же reflow, отличие — наличие исходника). Тест `TestEditorPromptIsMonolingual`→`TestEditorPromptIsBilingual`.
|
||
|
||
2. **Reflow (D30.2).** Из `translator.md` и `editor.md` убрано «Сохраняй разбивку на абзацы» (корень нечитаемости exp12 §2.5-S). Редактору — мандат нормативной репараграфизации (логические ru-абзацы; реплики с нового абзаца через тире «—»; без максимума длины). Bump prompt_version: translator `v0-draft`→`v1-reflow`, editor `v1-monolingual`→`v2-bilingual-reflow` в pipeline-c1.yaml И c2.yaml (label-SHA дисциплина — общие файлы). *(Полигон-пинг: reflow залёндён как активная инструкция ПОСЛЕ их exp13-армов; пере-прогон обязан идти на этом прод-промпте — согласовано.)*
|
||
|
||
3. **Output-санитайзер (D30.3) — новый детерминированный вердикт-гейт-класс** (`sanitizer.go`, `sanitizerVersion="sanitizer-v1"`). Opt-in `gates.sanitizer.enabled` (коверейдж-паттерн), фолдится в снапшот ТОЛЬКО при enabled (`sanitizerSnapshot`, зеркало coverageSnap → переедет в verdictSnapshotID с D15.2). Дефект → `FlagSanitizerDefect` (D2 flag+skip, non-retryable/non-escalatable). **Плагин в `classifyOutput` — бежит ТОЛЬКО на ФИНАЛЬНОЙ стадии** (`isFinal`, протянут через runAttempt/maybeEscalate): промежуточный черновик легитимно черновой, редактор его чистит — санитайзить draft значило бы скипать спасающий editor (правка по ревью). Пять классов, precision>recall: ведущая преамбула (gemini 6/6), хвостовой блок заметок/правок, markdown-###, латиница-фраза (≥5 ПРОБЕЛ-смежных лат-слов ИЛИ тяжёлая доля; hex/id и ≤4-словный мото НЕ триггерят), битые словоформы (невалидные знаковые биграммы ь/ъ+буква/сдвоенные; гомоглиф кир+лат в токене; junction-дубликация ≥4 БЕЗ containment). Regex Unicode-корректны ([а-яё]/\P{L} — RE2 \w/\b ASCII-only). Санитайзер в pipeline-c1.yaml ВКЛЮЧЁН (пере-прогон: gemini течёт преамбулой, премиум-редактор за санитайзером). **⚠ Честный recall-gap (пинится `TestSanitizerBrokenWordRecallGap`):** чистый орфо-раскол «Первок предок» детерминированно НЕ ловится (нужна Ф2-морфология).
|
||
|
||
4. **Golden re-capture + расширение фикстуры D28.2** (закрывает оговорку 1 пакета-5). Осознанный re-capture. Дифф-классы: (a) `"sanitizer":{...}` в payload + флаги ch6; (b) `MinMaxTokens` в Capability + max_tokens →4000(×12)/6000(×2); (c) oblique-only union ch5; (d) 2 новые главы. Пины (все mutation-verified исполнением): **floor** (fake-model 4000, fake-fallback 6000 — хоп берёт СВОЙ 6000); **union** (ch5 老人→старик oblique-only, финал несёт номинатив «старик» → postcheck_miss=0 только через union; revert→FAIL); **sanitizer+isFinal** (ch6 draft И edit несут преамбулу — с isFinal флагается edit-финал, draft ok; revert isFinal → флагается draft → golden diff).
|
||
|
||
**Тесты (mutation-verified):** `sanitizer_test.go` — 5 классов × firing+non-firing на реальной ru-прозе, ВКЛ. все 14 ревью-FP как non-firing (полиптотон «старик старика», «Хорошо хорошо», мото «sic transit gloria mundi», «Изменения —», «Комментатор», буква-ъ, em-dash+общий-нарратив) + hex-регрессия + recall-gap + детерминизм. Golden пинит floor/union/sanitizer/isFinal (мутации подтверждены). Obsolete-D1 тесты обновлены (`TestEditorPromptIsBilingual`, `TestBoevoyConfigEditorGlm5AndGrokReasoning`: editor grok-4.3→glm-5).
|
||
|
||
**НАШЁЛ БАГ (фикстура поймала):** латиница-детектор считал hex-теги (`138fd5c384e3`) «латинской фразой» (одиночные лат-токены между цифрами) → ложно флагал ЛЮБОЙ чанк с alphanumeric-id. Фикс: фраза считается только по ПРОБЕЛ-смежным лат-словам. Пинится hex-кейсом.
|
||
|
||
**Оговорки / вопросы оркестратору:**
|
||
1. **[РЕШЕНИЕ на подтверждение] Editor-модель pipeline-c1/c2 сменена grok-4.3→glm-5** (D30.1: билингв glm-5 — кандидат value; grok reasoning-off из редакторов СНЯТ = no-op). Формально стадия-А промта — про промпты/санитайзер/golden; смену МОДЕЛИ сделал, т.к. grok-off-editor ратифицированно-мёртв и оставить = внутренне-противоречивый конфиг (билингв-промпт на no-op reasoning-off grok). Draft оставлен deepseek-v4-flash (интерим). **Пинг: полигон exp13 рекомендует draft=deepseek-v4-pro** (их «Полигон»-запись выше, на ратификацию) — если ратифицируете pro, одна строка `model:` в pipeline-c1.yaml + пересмотр хоп-1.
|
||
2. **[recall-gap санитайзера, precision>recall]** битые словоформы ловят только детерминированный минимум (невалид-знаки/гомоглиф/junction-dup). Чистый раскол «Первок предок» — Ф2-морфология. Пинится как ОСОЗНАННАЯ граница. Достаточно ли (рекомендация: да — FP роняет хороший чанк в плейсхолдер владельцу)? Плюс латиница-мото ≥5 слов — принятый редкий FP (opt-in, redrive поднимает человеку).
|
||
3. **[санитайзер = гейт, не наблюдаемость]** реализован как opt-in гейт (flag+skip), НЕ наблюдаемость-с-промоушеном. Когда OFF — не бежит (нет retrieval_state-колонки → без миграции в этапе А). Always-on наблюдаемость счётчиков при OFF = +колонка (следующий пакет, если нужно).
|
||
4. **[resnapshot]** реальный pipeline-c1.yaml даёт другой снапшот (промпты+модель+санитайзер) — это ЕДИНЫЙ resnapshot пере-прогона (D30.9); gu-zhenren вне git.
|
||
|
||
**Попутно (fix-листы, безопасные, зелёные):** models.yaml — комменты xai/gemini приведены к D27 (единый ключ+data-sharing, off перед продом) и D22.6/exp11 (Gemini fail-closed на эротике, первичный судья эротики Grok; grok из редакторов СНЯТ D30.1); `mempostcheck.go:84` D24.3/D24.4→D24.4 (D28.3в); `escalation.go applyModelFloor` — note о provider_local×floor латентной интеракции (D28.3б). D22.9 `redrive --resnapshot` — покрытие УЖЕ есть (`TestParseRedriveSelectorExplicit` + `TestRedriveResnapshotAcceptsDrift`), no-op.
|
||
|
||
**Статус этапов Б/В (НЕ гейтят пере-прогон — по этапности промта идут следом):**
|
||
- **Спека D15.2 доведена до v3.1** (§0-бис: D22.2-амендменты — `SourceLang`/`TargetLang`→`verdictSnapshotID` (cjk-gate/coverage-коридор вне рендера; editor.md не рендерит target_lang), `Context.CacheTTL` демотирован до advisory (wire-инертен — `clients.go:38` шлёт `prov.CacheTTL`), `prov.CacheTTL`→`wireSnapshotID`; axis-тест `RequestHash` §12.9; паритетные не-цели §8 (classify-Source editor-строк, Retries/BudgetUSD вне ключа, транспорт); line-ref-нот про рефактор D23). Реализация РАЗБЛОКИРОВАНА в спеке.
|
||
- **Реализация Б (три хеша/guard_hash/verdict-split/миграция v8/fast-path v2/dry-run+--accept-rebill) и В (`tmctl export`/annotations/цвет-мап/override) — НЕ начаты этой сессией.** Осознанное решение: Б трогает денежно-критичный resume-путь (`RequestHash`, fast-path), где рывковая частичная реализация рискует ровно минами F1/D15 (тихая переоплата / stale-serve), а безопасный лендинг Б связан (fast-path снимает loud-гейт согласия → dry-run обязан его заменить, §7) — всё-или-ничего. Бюджет сессии ушёл на гейтящий этап А (полный цикл + ревью, поймавшее 14 реальных FP санитайзера) + v3.1-спеку. Хендофф чистый: спека v3.1 = дизайн-оф-рекорд, план §12 + тест-лист §12.9 готовы для следующей бэкенд-сессии. Дерево -race зелёное на границе А.
|
||
|
||
### 2026-07-12 (мини-сессия D33.1/33.2 — 2 обязательных фикса санитайзера + golden re-capture, гейтят пере-прогон) — ЗАВЕРШЕНО
|
||
|
||
По `BACKEND_SANITIZER_FIX_SESSION_PROMPT.md`. **Ничего не закоммичено** (лендинг — оркестратор). `go build ./... && go vet ./... && go test -race ./...` — все пакеты зелёные; gofmt чисто. Зона: только `backend/` (3 файла: `sanitizer.go`, `sanitizer_test.go`, `testdata/golden/capture.golden`). Чужой untracked `eval/exp13_seed_signoff.py` (полигон) НЕ трогал. **Все 4 фикса/пина mutation-verified исполнением** (revert→FAIL, restore→ok — по каждому в изоляции).
|
||
|
||
**Сделано:**
|
||
|
||
1. **[major D33.1а] Хвостовой класс теперь ловит «Основные правки для справки:».** В `editMetaAnywhereRE` добавлена high-precision альтернатива `основн…правк…` — гейтится «… для справки» ИЛИ двоеточием, так что нарративное «Основные правки внёс редактор газеты» (без summary-метки) НЕ фаерит. Ловит и «Основные правки для справки:» (утечка A5/5_1, exp12:229), и colon-вариант «Основные правки:». Пины: 2 fire-теста, воспроизводящие СТРУКТУРУ утёкшего блока (заголовок + список правок; копирайтную главу не встраивал — диагностика в заголовке) + 1 clean-пин на нарративную форму без метки.
|
||
|
||
2. **[major D33.1б] Класс junction-дубликации СНЯТ (опция (б)), НЕ сужен.** Разобрал: опция (а) «перекрытие ≥ бо́льшей части ОБОИХ токенов» математически обратна — все четыре кейса (три FP + единственный синтетический реальный «Первопред предок») делят overlap РОВНО 4 руны, причём у реального кейса доля перекрытия НИЖЕ (4/9) чем у FP (4/5); никакой порог на длину/долю overlap их не разделяет, а канонический «Первок предок» не ловился и так (recall-gap). Класс ловил мало реального и много ложного на частом предлоге «около» → флаг-шторм на 25 главах. Убраны `junctionDuplicated`, конста `junctionOverlap`, петля в `detectBrokenWords`; остались две ZERO-FP сигнатуры (невалид-знак ь/ъ, гомоглиф кир+лат). Пины: 3 clean-кейса «около колонны»/«около колодца»/«стало талой» (mutation: восстановил детектор → все три фаерят). `TestSanitizerBrokenWordRecallGap` сохранён (assertion как есть; коммент обновлён — «Первок предок» по-прежнему не ловится, теперь by-design).
|
||
|
||
3. **[minor D33.2] Быстрые сужения (в тот же resnapshot, не блокеры):** (а) markdown-заголовок требует букву/цифру после хешей → декоративные сцен-брейки «# # #», «## ***», «### ---» больше не фаерят (пины + fire «### 1. Вступление»); (б) heavy-латиница исключает капитализированные бренд-токены из счёта (`hasUpperLatin`) → список «iPhone, iPad, MacBook, Apple Watch, Google Pixel» не фаерит, а лоуэркейс-англ-фраза ловится фразовым детектором (пин). Хвостовые «Примечание:»/«Комментарий:» уже ловятся `trailingNoteRE` — без правки. Разговорный префикс «Конечно!/Готово!» и recall-gap «Первок предок» — приняты как границы (не трогал).
|
||
|
||
4. **Golden re-capture (`TM_UPDATE_GOLDEN=1`) — дифф-класс РОВНО санкционированный.** `sanitizerVersion` `sanitizer-v1`→`v2` (правка правил = loud --resnapshot, инвариант №8). Аудит диффа исполнением: маскированный дифф (все hex-хеши + версия → плейсхолдер) **ПУСТ** — т.е. изменились ТОЛЬКО `snapshot_id` + `snapshot_payload` (строка `"version":"sanitizer-v2"`, дважды: fresh+resume) + каскад request/content-хешей, ключёванных на snapID. Ноль дрейфа disposition/flag/final_text/cost/postcheck_miss/injected_ids/term-order; 0× `snap_match=false`; счётчик строк 206=206. Фикстура ch6 упражняет только класс Preamble (не затронут) → новых санитайзер-вердиктов НЕТ, только version-fold-каскад. Другого класса диффа нет → стоп/пинг не потребовался.
|
||
|
||
**Итог по вопросу промта («сузил/снял»):** класс «битые словоформы» — junction-подкласс **СНЯТ** (precision-обоснование выше); два high-precision подкласса сохранены.
|
||
|
||
## Полигон
|
||
(секция параллельной сессии — записи добавлять сюда)
|
||
|
||
*(Закрытая хроника сессий 1–3, 18+ пакетов и exp10/11 (04–10.07) — в [archive/PROGRESS-2026-07-04-10.md](archive/PROGRESS-2026-07-04-10.md), D31.)*
|
||
|
||
### 2026-07-11 — exp12 «диагностика качества 25 глав» (D26, приоритет №1) — армы+судьи+root-cause СДЕЛАНЫ, чтение владельца ждём
|
||
|
||
Мандат `POLYGON_QUALITY_DIAG_SESSION_PROMPT.md` + аддендум оркестратора (D27: единый xAI-ключ, grok-армы без ограничений; backend/ — живая сессия №5, ничего там не гонял/не читал WIP; пакеты чтения → `diag/reading/`). **Ничего не закоммичено.** Отчёт: `docs/experiments/12-quality-diagnosis.md`. Артефакты/тексты — `/home/ubuntu/books/gu-zhenren/diag/` (ВНЕ git). Скрипты `eval/exp12_*.py`. **Потрачено ≈$2.22 из капа $5** (армы $0.78 / судьи $1.31 / демо $0.13; 0 ошибок).
|
||
|
||
**Дизайн (пре-регистрация §1 заморожена ДО платных вызовов):** 3 чистые главы выбраны формулой (диалого-плотность на исходнике, high/mid/low = гл.7/5/14, не черри-пик); армы A0 черновик · A1 glm-моно(=этап A, store $0) · A2 glm-билингв · A3 grok-моно · A4 grok-билингв · A5 gemini-билингв · A6 grok-моно-без-констрейнтов; +A1′ контроль рига. Инъекция глоссария реконструирована из `retrieval_state.injected_ids` (воспроизводит боевой блок; rig-фиделити A1′≈A1 sim 0.984–1.0).
|
||
|
||
**Находки (мех. + судьи вторично; чтение владельца — главный, ещё не пришло):**
|
||
1. **Ядро: моно-редактор ПАССИВЕН.** Активность (1−sim к черновику): glm-моно **0.013**, grok-моно **0.001** (3/6 чанков char-identical!), grok-моно-без-констр 0.004, **grok-билингв тоже 0.006** (reasoning-off инертен в ОБОИХ режимах). Реально правят только glm-билингв 0.14 и gemini-билингв 0.34. На всех 54 чистых чанках этапа A медиана draft→final sim **0.978**, канцелярит-маркеров снято **0**. «Нечитаемо, слабейшее редактура» = **редактор почти не редактирует**; нечитаемость унаследована от черновика.
|
||
2. **Монолингвальный режим (D1/D17) — корень.** Моно-редактор и пассивен, и структурно СЛЕП к искажениям черновика (без исходника не знает, что «ударил головой»=磕头 земной поклон). Фикс = **билингв** (флип D1 — ратификация оркестратора).
|
||
3. **grok-4.3 reasoning-off непригоден как редактор** (no-op; худший у судей). exp04-ранг-1 был на дефолт-reasoning+билингв; боевой off = инертен (quality-transfer риск exp08/D26 подтверждён числами). Грок-редактор — только reasoning-ON (D6.2-резерв).
|
||
4. **Судьи (gemini+grok+gpt5-mini, кросс-семейно, self-family excl, 26/27 парс):** билингв ≫ моно; **A2 glm-билингв единогласный #1 по стилю И верность 5.0** — **fidelity-гейт «гладко-неверное» пройден** (билингв не купил гладкость ценой смысла — страх кальки D1 на срезе не подтвердился). Оговорка: судьи держат вёрстку константной → недооценивают структурный дефект; валидируют модель×режим, не фикс вёрстки.
|
||
5. **Root-cause (кейсы владельца, гл.1 сцена смерти, сверено с zh):** структурный дефект №1 = **построчные абзацы** (оба промпта велят «Сохраняй разбивку на абзацы» → пайплайн копирует кит. «предложение=строка», для ru деструктивно; бьёт по всем главам). Остальные кейсы — ошибки ЧЕРНОВИКА deepseek (时辰 не переведён, 派→«фракции» вместо секты, 磕头→«ударил головой», 练成→«совершенствование»), НЕ спасённые пассивным моно-редактором; 1 «smooth-wrong»-подозрение (清白之身→«невинность») проверено — верно. Демо §2.6 (gemini-билингв + разрешение реверстать абзацы + жанр-правила) чинит ПРАКТИЧЕСКИ ВСЕ кейсы одним прогоном (абзацы 49→25, «фракции»→«школы», «обесчестил»).
|
||
|
||
**Рекомендация конфига (provisional, §3; смену дефолта НЕ делаю — ратифицирует оркестратор):** три ортогональных фикса — (а) убрать «Сохраняй разбивку на абзацы» из брифа zh→ru + разрешить реверстку (дешевле всего, заметнее всего); (б) **редактор билингв, не моно** (флип D1); (в) модель — **glm-5 билингв** (судейский #1, верность 5.0, **$0.42/25 гл**), премиум-потолок gemini-билингв ($5.6/25 гл, селективно); grok-off снять. Плюс курация глоссария (моя зона): 春秋蝉 «Цикада Весны и Осени»? · 派→секта · 时辰→глосса. Дорожка: ратификация (флип D1+вёрстка = D-блок) → пере-прогон 25 глав кандидатом → чтение владельца → этап B.
|
||
|
||
**Раунд 2 (чтение владельца состоялось, §4 отчёта):** вердикт — **ни один из 7 не дотягивает до чтения** («машинный, модели не следят за сюжетом»). Новое: (1) **⚠ gemini (A5) ТЕЧЁТ преамбулой** в выход («Вот отредактированный перевод…», wire-verified 4 чанка) → дефект продакшн-редактора + раздул мою метрику активности A5; glm/grok чисто → **gemini понижен**. (2) **Глоссарий — сквозная первоклассная проблема** (владелец прав): все армы делят один сид; 修炼/人祖 — GAP (не в сиде, «совершенствование»/«Первопредок» = выбор модели → засидить культивация/Рен-Зу?), 蛊师/蛊虫/甲乙丙丁/花酒行者 — lock (гу-мастер/гу-тварь/разряд-Г/Винный-Странник → переголосовать с владельцем); таблица current→pref в §4.2, пере-курация = моя зона после утверждения. (3) **Идея «модель гуглит термины» (владелец) — в доках НЕТ**; ближайшее D25.5 (веб=недоверенные данные, webfetch=Ф3-блокер) → автолукап = Ф3+, near-term = засид глоссария из фан-конвенций; **пинг оркестратору** зафиксировать owner-proposal в архитектуру. (4) **Кандидат-фикс** (glm-билингв+реверстка+конвенции, `diag/arms/CAND/`) — конвенции ставит, БЕЗ утечки, но реверстку абзацев делает нестабильно → layout надёжнее отдельным reflow-пассом/сильной моделью. (5) **Монитор** `diag/reading/monitor.html` (локальный, вне хостинга — копирайт) — оригинал+варианты+кандидат, кнопки копировать для флагман-сверки владельца. Рекомендация §3 дополнена: **4-й равноправный фикс — пере-курация глоссария**; gemini понижен.
|
||
|
||
**Раунд 3 (флагман-сверка состоялась, §5 отчёта):** владелец прогнал монитор через ДВА фронтир-флагмана (GPT + Claude) слепо + любительский релейный перевод (контроль). Un-blind по ключу монитора (`diag/reading/_РАСШИФРОВКА_ФЛАГМАНОВ.md`; полный разбор Claude — `ОЦЕНКА_ФЛАГМАНА.md`). **Корректность проверена:** оба читали `monitor.html` (8 вариантов — столько только у монитора) + `translate.txt`, ключи не открывали, конфаундинга меток монитор↔пакеты нет (чистые 8-ранги), «переработки» выведены чтением и un-blind'ятся ровно в {A5,A2,CAND} = доказательство слепоты; единственный de-blind — gemini сам палит утечкой (мой стриппер снял ведущую форму, пропустил хвостовую в `A5/5_1`). **Конфиг-итог (оба флагмана СОГЛАСНЫ):** gemini-билингв (GPT 7.7 / Claude ранг 1.0 — лучшее ЯДРО, но течёт) > glm-билингв (7.3/2.7) ≈ КАНДИДАТ (7.2/2.3) ≫ **glm-МОНО=этап A (6.2/6.0, низ — подтверждает «нечитаемо»)** ≈ черновик/grok-no-op (~5). **Тройная триангуляция** (механика §2.2 + судьи §2.3 + 2 флагмана): билингв-переработка ≫ моно/пассив; практич. выбор — glm-билингв/КАНДИДАТ. **Флагманы добавили сверх:** (а) никто не publishable («крепкий сетевой», не издательская проза); (б) чтобы победить фан — 3 вещи: принудительный глоссарий + евро-вёрстка с тире + сноски на аллюзии; (в) нужен **output-санитайзер** (утёкшие заметки/непереведённые слова/латиница-в-кириллице/диакритики/битые словоформы — новый класс дефектов вне гейтов); (г) сквозные ошибки ЧЕРНОВИКА deepseek (族长≠家老, 本命蛊, 长生=бессмертие не долголетие, 失神, 花酒行者 теряет 花); (д) экспертные глоссарии от обоих — материал для пере-курации. **Стратегия честно:** сценарий A+B — инкремент даёт «лучше фана», но «издательский уровень» требует более сильного ЯДРА (переводчик, пилот Ф2.5) → приоритет ядра растёт.
|
||
|
||
**Ждём:** (1) **Пере-курация глоссария** — утверждение владельцем терминов (§4.2 + флагман-таблицы: врата→апертура, 真元, 本命蛊→жизненный гу, 长生→бессмертие, 族长/家老; спорное — Первопредок/Жэнь Цзу, культивация/совершенствование — за владельцем) → засид GAP + переголос lock → resnapshot. (2) **Оркестратору:** ратификация флипа D1 (моно→билингв) + бриф вёрстки + **новые задачи**: output-санитайзер (класс «мгновенной нечитаемости»), сноски-на-аллюзии, и — по сигналу флагманов «издательский уровень требует ядра» — поднять приоритет выбора базового переводчика/пилота Ф2.5; фиксация owner-proposal «автолукап терминов = Ф3». Дефолт сам не трогаю. (3) Полигон №4 (сид мн.ч.) — второй приоритет, не начат.
|
||
|
||
### 2026-07-12 — exp13 «бейк-офф ПЕРЕВОДЧИКОВ + финализация сида v2» (D30.6, приоритет №1) — СДЕЛАНО
|
||
|
||
Мандат `POLYGON_EXP13_SESSION_PROMPT.md` + D30.6/30.10. **Ничего не закоммичено, КРОМЕ пре-регистрации** (D30.10-гейт: коммит §1 до первого платного вызова — 5bc75d0, path-scoped только exp13-док). Отчёт: `docs/experiments/13-translator-bakeoff.md` (§1 пре-рег заморожен → §2 результаты → §3 рекомендация → §4 сид v2 → §5 лимитации → §6 итог). Артефакты `diag/arms13/` + `diag/reading/monitor13.{html,md}` (ВНЕ git). Скрипты `eval/exp13_*.py`.
|
||
|
||
**Рекомендация (на ратификацию оркестратора — дефолт НЕ трогал): переводчик пере-прогона = `deepseek-v4-pro`** (superseding deepseek-v4-flash в draft-стадии). Триангуляция **7 сигналов** (агент-верность/проза + GPT + Opus + API-судьи верность/стиль + гейты) сходится: deepseek-pro — общее место **2.50 ①**, лучший СТИЛЬ, 2-я верность, самый стабильный, без катастроф; ~$0.23/25 глав. Порядок: pro **2.50** > mistral 2.92 > grok 3.10 > flash-база 3.16 > glm-5 3.33. Нюансы: база flash — лучшая верность (2.53) но худший стиль (течёт англ. «cultivation», markdown-###); mistral — лучшая проза но режет смысл + выброс заголовков (полнота); grok/glm-5 нестабильны (grok перевернул 供奉; glm-5 成→«десятки»). **Гипотеза D30.6 «качество сменой одной строки model:» — подтверждена ЧАСТИЧНО** (pro>flash по стабильности/стилю, не разгромно; подъём даёт СВЯЗКА draft+билингв-редактор+sanitizer+глоссарий). Сквозные дефекты (англ.-течь, ###, 成) — цели sanitizer D30.3 + сид v2, не выбора переводчика. Все армы прошли гейты (0 эхо/refusal/объём — контест честный).
|
||
|
||
**Сид v2 финализирован (D30.5):** `guzhenren-seed-v2.yaml` (57 терминов) единым трансформом `eval/exp13_seed_v2.py` (супрсидит exp12-скрипт — дефект провенанса/статусов). Спорные (修炼/修行, 人祖, 花酒行者, 蛊虫, 本命蛊 + род «гу») → **status:draft** (не в hard-constraints до подписи); бесспорные (8 правок + 5 добавлений) → approved; влито мн.ч. (D24.4: 元石/凡人/蛊师). **Таблица владельцу на подпись: `diag/glossary_v2_signoff.md`.** Аддендум провенанса — exp12 §4-addendum.
|
||
|
||
**Флаги оркестратору/бэкенду:**
|
||
- **Reflow-строка (мой пинг D30.2 закрыт):** бэкенд залендил `translator.md` reflow как АКТИВНУЮ инструкцию (в 05:50, ПОСЛЕ моего арм-прогона); мои армы гнались с reflow-как-удалением. Ранг устойчив, но **пере-прогон 25 глав обязан идти на залёнженном прод-промпте**. Кросс-контаминации НЕ было (reflow-guard харнеса; все 24 вызова прошли ⇒ старый промпт был у всех армов; бэкенд правил файл после).
|
||
- **⚠ Перерасход бюджета:** армы $0.109 + судьи $5.387 = **$5.50 vs кап $5** (~+10%). Коарс-кап (между судьями, не по-вызову) + gemini думал дороже оценки ($3.14) + kimi $2.0. Дисциплинарный промах, зафиксирован; фикс — кап по каждому вызову. Данные собраны, дальше не трачу.
|
||
- **Слепота цела** (Opus поднял флаг «метки не перетасованы» — опровергнут кодом: три перестановки различны, mistral совпадением в слоте V3 трижды; попутно вскрыт реальный дефект mistral — выброс заголовков).
|
||
- Если pro становится праймари черновика — **пересмотреть хоп-1 эскалации** (был deepseek-pro; теперь первый кросс-семейный = glm-5.1).
|
||
|
||
**Ждём от владельца:** (1) **подпись спорных сида v2** (`diag/glossary_v2_signoff.md`) → проставлю статусы; (2) флагман-сверка через `monitor13.md` (опц., 4-й голос — GPT+Opus уже дали, сходятся с судьями). **Оркестратору:** ратификация draft=deepseek-v4-pro (D-блоком) → единый resnapshot (draft=pro, editor=glm-5-билингв, reflow, сид v2, sanitizer) → пере-прогон 25 глав с re-gate верности. Полигон №4 (сид мн.ч.) — влит в v2, отдельная задача закрыта.
|
||
|
||
## Память
|
||
(секция ресёрч-сессий памяти — записи добавлять сюда)
|
||
|
||
*(Хроника валидации банка (04–05.07, research/13–14, вердикт GO) — в [archive/PROGRESS-2026-07-04-10.md](archive/PROGRESS-2026-07-04-10.md), D31.)*
|
||
|
||
## Голос и состояние
|
||
(секция ресёрч-сессии — записи добавлять сюда)
|
||
|
||
*(Хроника сессии «Голос и состояние» (09.07 → research/15, D21) — в [archive/PROGRESS-2026-07-04-10.md](archive/PROGRESS-2026-07-04-10.md), D31.)*
|
||
|
||
## Ридер-IDE
|
||
(секция ресёрч-сессии — записи добавлять сюда)
|
||
|
||
*(Хроника сессии «Ридер-IDE» (11.07 → research/16, D29) — в [archive/PROGRESS-2026-07-04-10.md](archive/PROGRESS-2026-07-04-10.md), D31.)*
|