271 lines
16 KiB
Python
271 lines
16 KiB
Python
#!/usr/bin/env python3
|
||
"""АДЪЮДИКАЦИЯ НАХОДОК — слепая проверка судейских претензий. $0.
|
||
|
||
Заведена правилом П-1 (Д0.13) и включается ровно в одном случае: контраст перешёл СВОЙ порог у
|
||
одного семейства и не перешёл у другого. Спор счётов между детекторами с разными точками
|
||
отсечения неразрешим в принципе; разрешим только спор НАХОДОК, и адъюдикация — единственная
|
||
форма, в которой второй взгляд добавляет информацию, а не вторую выборку того же судьи.
|
||
|
||
Что видит адъюдикатор: ИСХОДНИК фрагмента, ЦИТАТУ из перевода с окружением и СУТЬ ПРЕТЕНЗИИ.
|
||
Чего он НЕ видит: какой это арм, какое семейство претензию выдвинуло и сколько всего претензий
|
||
к этому арму. Слепота здесь не ритуал: зная арм, проверяющий начнёт подтверждать претензии к
|
||
тому, кто «должен» быть хуже.
|
||
|
||
⚠⚠ ДВА КОНТРОЛЯ, БЕЗ КОТОРЫХ АДЪЮДИКАЦИЯ ПУСТА. Без них доверие просто съезжает на уровень ниже:
|
||
проверяющий, склонный соглашаться с предъявленным, подтвердит всё что угодно.
|
||
|
||
ЛОЖНАЯ ПРЕТЕНЗИЯ — цитата из места, которому судья поставил по этой оси НОЛЬ, с придуманной
|
||
претензией. Верный ответ: «не ошибка». Меряет СГОВОРЧИВОСТЬ. Доля подтверждённых ложных
|
||
претензий есть прямая оценка того, сколько в основном пуле подтверждено зря.
|
||
ПОСАЖЕННЫЙ ДЕФЕКТ — цитата из маржевого декоя ровно в месте посадки, где истина известна
|
||
побайтно. Верный ответ: «ошибка». Меряет ЧУВСТВИТЕЛЬНОСТЬ.
|
||
|
||
Адъюдикатор, подтвердивший больше 20% ложных претензий ЛИБО опознавший меньше 60% посаженных,
|
||
аннулируется целиком — как судья, не поймавший декой.
|
||
|
||
⚠ КАК СЧИТАЕТСЯ ПОПРАВКА. Выборочно: по каждому арму берётся доля верифицированных претензий, и
|
||
сырой счёт ошибок умножается на неё. Правило П-1 говорит именно о ВЫБОРКЕ цитат, а не о сплошной
|
||
проверке, поэтому это исполнение буквы, а не упрощение. Приближение объявлено: поправка
|
||
предполагает, что доля верных претензий одинакова по единицам внутри арма.
|
||
|
||
Запуск: adjud.py --emit | --score
|
||
"""
|
||
from __future__ import annotations
|
||
|
||
import importlib.util
|
||
import json
|
||
import random
|
||
import re
|
||
import sys
|
||
from pathlib import Path
|
||
|
||
REPO = Path("/home/ubuntu/projects/textmachine")
|
||
ZONE = Path(__file__).resolve().parent
|
||
for d in ("dovodka", "editor_tier", "tenant_panel", "role_topology", "bank_arbitration"):
|
||
sys.path.insert(0, str(REPO / "eval" / d))
|
||
|
||
|
||
def _load(name: str, path: Path):
|
||
spec = importlib.util.spec_from_file_location(name, path)
|
||
mod = importlib.util.module_from_spec(spec)
|
||
sys.modules[name] = mod
|
||
spec.loader.exec_module(mod)
|
||
return mod
|
||
|
||
|
||
S = _load("sud", ZONE / "sud.py")
|
||
C = S.C
|
||
BO = sys.modules.get("bakeoff") or _load("bakeoff", REPO / "eval" / "role_topology" / "bakeoff.py")
|
||
|
||
KEYS = Path.home() / "books" / "dovodka" / "blind-keys-d4"
|
||
WORK = Path.home() / "books" / "judging" / "adjud-d4" # изолирован: рядом ни ключей, ни сырья
|
||
TASKS, ANSW = WORK / "tasks", WORK / "answers"
|
||
AKEY = Path.home() / "books" / "dovodka" / "adjud-key.json" # истина — ОТДЕЛЬНО от заданий
|
||
AX = ("ВЕРНОСТЬ", "ТЕРМИН", "ЯЗЫК", "ФОРМА")
|
||
ARMS = ("A3", "A0") # контраст, ушедший в эскалацию: A3/A0 (H-2б)
|
||
PER_CELL = 2 # претензий на (единица, арм)
|
||
N_FALSE = 15 # контроль сговорчивости
|
||
N_PLANT = 15 # контроль чувствительности
|
||
PER_TASK = 24
|
||
SEED = 20260814 # фиксирован: раскладка воспроизводима
|
||
_norm = re.compile(r"[\s«»„“”\"'`.,!?;:—–-]+")
|
||
|
||
|
||
def norm(t: str) -> str:
|
||
return _norm.sub(" ", (t or "").lower()).strip()
|
||
|
||
|
||
def context(text: str, quote: str, width: int = 260) -> str:
|
||
"""Цитата с окружением — адъюдикатор обязан видеть, в каком месте она стоит."""
|
||
n, q = norm(text), norm(quote)
|
||
i = n.find(q)
|
||
if i < 0:
|
||
return quote
|
||
lo, hi = max(0, i - width // 2), min(len(n), i + len(q) + width // 2)
|
||
return ("…" if lo else "") + n[lo:hi] + ("…" if hi < len(n) else "")
|
||
|
||
|
||
def collect() -> tuple[list, dict]:
|
||
"""Претензии семейства claude по армам контраста + два контроля. Возвращает (items, key)."""
|
||
us = {x["uid"]: x for x in S.units()}
|
||
rnd = random.Random(SEED)
|
||
real, false_pool, plant_pool = [], [], []
|
||
for half, hi in (("p1", 1), ("p2", 2)):
|
||
key_all = json.loads((KEYS / f"d4{half}-KEY.json").read_text(encoding="utf-8"))
|
||
for f in sorted((Path.home() / "books" / "judging" / "sud-d4" / f"{half}-answers").glob("*.txt")):
|
||
if ".ANNULLED" in f.name:
|
||
continue
|
||
key = key_all.get(f.stem)
|
||
if not key:
|
||
continue
|
||
txt = f.read_text(encoding="utf-8", errors="replace")
|
||
for lab, meta in key.items():
|
||
arm, uid = meta["arm"], meta["uid"]
|
||
u = us.get(uid)
|
||
if not u:
|
||
continue
|
||
var = (C.base_a0(uid) if arm == "A0"
|
||
else S.text_of(arm, u) if not arm.startswith("CTRL")
|
||
else S.floor_pair(u, hi) if arm == "CTRLfloor"
|
||
else "")
|
||
if arm == "CTRLmargin":
|
||
var, _ = S.margin_plant(C.base_a0(uid))
|
||
if not var.strip():
|
||
continue
|
||
w = re.search(rf"^{lab}-ПОЧЕМУ:\s*(.*)$", txt, re.M)
|
||
why = w.group(1) if w else ""
|
||
# какие оси ненулевые — по ним претензии реальные; нулевые дают материал для лжи
|
||
zero = []
|
||
for a in AX:
|
||
m = re.search(rf"^{lab}-{a}:\s*(\d+)", txt, re.M)
|
||
if m and int(m.group(1)) == 0:
|
||
zero.append(a)
|
||
for seg in re.split(r"(?=[А-ЯЁ]{4,}:)", why):
|
||
m = re.match(r"([А-ЯЁ]{4,}):(.*)", seg.strip(), re.S)
|
||
if not m:
|
||
continue
|
||
ax = m.group(1)
|
||
for q in re.findall(r"«([^»]{8,})»", m.group(2)):
|
||
if norm(q) not in norm(var):
|
||
continue
|
||
rec = dict(uid=uid, arm=arm, axis=ax, quote=q,
|
||
ctx=context(var, q), src=u["source"])
|
||
if arm in ARMS:
|
||
real.append(rec)
|
||
if arm == "CTRLmargin":
|
||
plant_pool.append(rec)
|
||
# ложные претензии строятся из мест, где судья поставил НОЛЬ
|
||
if zero and arm in ARMS:
|
||
sent = [x for x in re.split(r"(?<=[.!?])\s+", var) if 40 < len(x) < 200]
|
||
if sent:
|
||
false_pool.append(dict(uid=uid, arm=arm, axis=rnd.choice(zero),
|
||
quote=rnd.choice(sent), ctx="", src=u["source"],
|
||
fake=True))
|
||
# стратифицированная выборка: не более PER_CELL претензий на (единица, арм)
|
||
by = {}
|
||
for r in real:
|
||
by.setdefault((r["uid"], r["arm"]), []).append(r)
|
||
sample = []
|
||
for k in sorted(by):
|
||
v = by[k]
|
||
rnd.shuffle(v)
|
||
sample += v[:PER_CELL]
|
||
for r in false_pool[:0] or rnd.sample(false_pool, min(N_FALSE, len(false_pool))):
|
||
r["ctx"] = context(r["quote"], r["quote"])
|
||
sample.append(r)
|
||
for r in rnd.sample(plant_pool, min(N_PLANT, len(plant_pool))):
|
||
r = dict(r, planted=True)
|
||
sample.append(r)
|
||
rnd.shuffle(sample)
|
||
key = {}
|
||
for i, r in enumerate(sample, 1):
|
||
key[f"П{i:03d}"] = {k: r.get(k) for k in ("uid", "arm", "axis", "quote", "fake", "planted")}
|
||
return sample, key
|
||
|
||
|
||
HEAD = """Ты — эксперт по художественному переводу с китайского на русский.
|
||
|
||
Тебе дан список ПРЕТЕНЗИЙ к переводам. Каждая претензия говорит, что в приведённом месте перевода
|
||
есть ошибка определённого типа. Твоя работа — по каждой сказать, ПРАВДА ЭТО ИЛИ НЕТ.
|
||
|
||
Типы ошибок:
|
||
ВЕРНОСТЬ — сказано не то, что в исходнике: искажение, инверсия, выдумка, пропуск факта.
|
||
ТЕРМИН — имя или термин передан не так, как в других местах того же текста.
|
||
ЯЗЫК — то, чего носитель не напишет: калька, канцелярит, несуществующее слово,
|
||
кривой порядок слов, рассогласование.
|
||
ФОРМА — вёрстка и пунктуация: оформление реплик, кавычки, тире, абзацы.
|
||
|
||
⚠ ВАЖНО: часть претензий ЛОЖНЫЕ — они указывают на места, где ошибки нет. Твоя задача не
|
||
подтвердить предъявленное, а проверить его. Соглашаться со всем подряд — значит не сделать работу.
|
||
Отвечай «НЕТ» так же спокойно, как «ДА».
|
||
|
||
Ответ ЗАПИШИ ФАЙЛОМ в {path} — строго по одной строке на претензию, ничего больше:
|
||
|
||
{skeleton}
|
||
где вместо <да/нет> стоит ДА (ошибка действительно есть) или НЕТ (ошибки нет), а после — короткое
|
||
обоснование одной фразой.
|
||
"""
|
||
|
||
|
||
def emit() -> None:
|
||
sample, key = collect()
|
||
for d in (TASKS, ANSW):
|
||
d.mkdir(parents=True, exist_ok=True)
|
||
AKEY.write_text(json.dumps(key, ensure_ascii=False, indent=1), encoding="utf-8")
|
||
labs = list(key)
|
||
for i in range(0, len(labs), PER_TASK):
|
||
grp = labs[i:i + PER_TASK]
|
||
tok = f"adj-{i // PER_TASK + 1:02d}"
|
||
skel = "\n".join(f"{l}: <да/нет> — <обоснование>" for l in grp)
|
||
body = [HEAD.format(path=ANSW / f"{tok}.txt", skeleton=skel)]
|
||
for l in grp:
|
||
r = sample[labs.index(l)]
|
||
body += ["", "=" * 60, f"{l}",
|
||
"ИСХОДНИК (китайский):", r["src"][:1800],
|
||
"", f"МЕСТО В ПЕРЕВОДЕ: {r['ctx'] or r['quote']}",
|
||
f"ПРЕТЕНЗИЯ: здесь ошибка типа {r['axis']} — в цитате «{r['quote']}»"]
|
||
(TASKS / f"{tok}.txt").write_text("\n".join(body), encoding="utf-8")
|
||
print(f"претензий {len(labs)} · заданий {len(list(TASKS.glob('*.txt')))} → {TASKS}")
|
||
print(f"ключ истины → {AKEY} (адъюдикатору НЕ давать)")
|
||
n_f = sum(1 for v in key.values() if v.get("fake"))
|
||
n_p = sum(1 for v in key.values() if v.get("planted"))
|
||
print(f"из них контролей: ложных претензий {n_f} · посаженных дефектов {n_p}")
|
||
|
||
|
||
def score() -> int:
|
||
if not AKEY.exists():
|
||
print("ключа нет — сначала --emit")
|
||
return 1
|
||
key = json.loads(AKEY.read_text(encoding="utf-8"))
|
||
ans = {}
|
||
for f in sorted(ANSW.glob("*.txt")):
|
||
for line in f.read_text(encoding="utf-8", errors="replace").splitlines():
|
||
m = re.match(r"\s*(П\d{3})\s*:\s*(ДА|НЕТ)", line.strip(), re.I)
|
||
if m:
|
||
ans[m.group(1)] = m.group(2).upper() == "ДА"
|
||
print(f"ответов получено: {len(ans)} из {len(key)}")
|
||
if not ans:
|
||
return 1
|
||
fake = [(k, v) for k, v in key.items() if v.get("fake") and k in ans]
|
||
plant = [(k, v) for k, v in key.items() if v.get("planted") and k in ans]
|
||
fp = sum(1 for k, _ in fake if ans[k]) / max(1, len(fake))
|
||
tp = sum(1 for k, _ in plant if ans[k]) / max(1, len(plant))
|
||
print("\nКОНТРОЛИ АДЪЮДИКАТОРА")
|
||
print(f" сговорчивость: подтвердил {fp:.0%} ЛОЖНЫХ претензий (n={len(fake)}) "
|
||
f"→ {'ГОДЕН' if fp <= 0.20 else '⛔ АННУЛИРОВАН'}")
|
||
print(f" чувствительность: опознал {tp:.0%} ПОСАЖЕННЫХ дефектов (n={len(plant)}) "
|
||
f"→ {'ГОДЕН' if tp >= 0.60 else '⛔ АННУЛИРОВАН'}")
|
||
if fp > 0.20 or tp < 0.60:
|
||
print("\n⛔ адъюдикация не засчитывается — контроли не пройдены")
|
||
return 1
|
||
# ⚠ ТОЛЬКО НЕСУЩИЕ ОСИ. Контраст считается по ВЕРНОСТЬ+ЯЗЫК (эррата П-5): ТЕРМИН отдан
|
||
# детерминированному канон-гейту, ФОРМА исключена. Претензии по этим двум осям в поправку
|
||
# НЕ идут, иначе она правила бы не ту величину.
|
||
# ⚠ И ОТДЕЛЬНО ПРО ФОРМУ — ДЕФЕКТ ПРИБОРА, НАЙДЕННЫЙ САМИМ АДЪЮДИКАТОРОМ: окно «МЕСТО В
|
||
# ПЕРЕВОДЕ» подаётся через `norm()`, то есть БЕЗ пунктуации и в нижнем регистре. Судить
|
||
# вёрстку и пунктуацию по такому окну нельзя в принципе — то, что проверяется, стёрто
|
||
# нормализацией. Ось ФОРМА исключается дважды: и как невходящая в сумму, и как непроверяемая.
|
||
print("\nДОЛЯ ВЕРИФИЦИРОВАННЫХ ПРЕТЕНЗИЙ ПО АРМАМ (только несущие оси ВЕРНОСТЬ+ЯЗЫК)")
|
||
rate = {}
|
||
for arm in ARMS:
|
||
ks = [k for k, v in key.items() if v.get("arm") == arm and not v.get("fake")
|
||
and not v.get("planted") and k in ans
|
||
and v.get("axis") in ("ВЕРНОСТЬ", "ЯЗЫК")]
|
||
if ks:
|
||
rate[arm] = sum(1 for k in ks if ans[k]) / len(ks)
|
||
print(f" {arm}: {rate[arm]:.0%} подтверждено (n={len(ks)})")
|
||
if len(rate) == 2 and all(r >= 0.80 for r in rate.values()):
|
||
print("\n ≥80% у обоих армов → условие П-1 по доле выполнено")
|
||
else:
|
||
print("\n ⛔ условие П-1 «≥80% выборки верифицируются» НЕ выполнено")
|
||
return 0
|
||
|
||
|
||
if __name__ == "__main__":
|
||
a = sys.argv[1:] or ["--emit"]
|
||
if a[0] == "--emit":
|
||
emit()
|
||
elif a[0] == "--score":
|
||
sys.exit(score())
|
||
else:
|
||
raise SystemExit(f"⛔ неизвестный режим {a[0]!r}")
|