heaven 41cde9f54d Land accepted editor-wire probe 18 with acceptance review header, frontier harness and gold, and section renumber fix

2026-08-06 16:10:10 +03:00

66 KiB

Raw Blame History

18. Редакторский провод под доктриной закона (D39.104) + фронтир-пасс по голду

Полигон-сессия 04.08.2026. Исполнение docs/POLYGON_EDITOR_WIRE_PROBE_SESSION_PROMPT.md (оркестратор №13, санкции владельца D39.103/104). Зона: eval/bank_arbitration/ + этот файл + пинг в PROGRESS «Полигон». Сырьё durable ~/books/gu-zhenren/bank-arbitration/, префикс edp-*. Не закоммичено, кроме пре-рег-фриза (CLAUDE.md, единственное исключение полигона). Потолки: проба A ≤ $0.30, проба C ≤ $0.50.

РЕВЬЮ-ШАПКА ПРИЁМКИ (оркестратор №15, D39.108, 06.08) — ПРИНЯТ. Слепой вердикт по сырью ДО чтения отчёта совпал по всем 7 пре-рег-критериям; числа §A/§C воспроизведены офлайн-ре-раном и независимым парсером. Фризы предшествуют платным вызовам (080c15d за 46 с; 52e12f3 за 21 с; 4d1d9e5 за 49 мин — его amend 01:58Z разобран: пре-рег-текст не трогал, содержал объявленную девиацию арма E и premise_review-харнесс). Поправки приёмки к телу: (1) §C.1 «максимум фактического вывода по всем 15 вызовам — 1092 ток.» неверно: 1092 — максимум только terra; fdp-b0 = 2717 (вывод «упоров в cap нет» держится); (2) glm2 $/книга прямым счётом $2.58, не $2.60; (3) строка леджера «ВСЕГО $0.174390» не включает статьи, названные самим отчётом (glm2 $0.081326 · эффорт-проба $0.044163) — полное сырьё сессии по статьям ИТОГа = $0.299879; (4) числа «канон вне блока» (§0.1 экспа 19: 44%, A1 24/41) сняты до-фризовым стемом — замороженный скорер даёт 39% (16/41) и 22/41, новый стем прав по голду; (5) дубль-абзац §A.4 и двойная нумерация §C.4 исправлены оркестратором (второй раздел перенумерован в §C.5).

ИТОГ (для оркестратора; детали — ниже по разделам)

Проба A — доктрина D39.104 на боевом проводе. Провод пробы доказан байт-в-байт против движка (sha256 всех трёх сообщений против реальных SystemFor/MessagesWithInjection/ RenderEditorConstraintBlock). Единый закон-блок исполняется 21/21 клеток; неверная строка банка принимается 6/6 и вытесняет верную 5/6 — то есть редактор ошибку банка не ловит, а разносит. Редактор БЕЗ блока сам ломает 5–12 из 20 канонических клеток черновика ⇒ инъекция редактору нужна не «на всякий случай», а как несущая защита. Термы, инъецированные как закон, сверены с подписанным владельцем голдом: 0 расхождений из 8.

Проба C — фронтир на роли терминолога НЕ ОПРАВДАН по пре-регистрированному критерию (нужно было +5 клеток, получено −7…−9 строго и ±0 под фолдом конвенции). Числа воспроизведены независимым парсером. Ключевая находка не в вердикте, а в причине: 7 из 9 «промахов» фронтира — не ум, а орфографическая конвенция 古月 («Гу Юэ» против «Гуюэ»), которая стоит 8/45 голда и перекрывает разницу между всеми проверенными моделями. Рычаг этой роли — данные, а не модель.

Дозамер §C.5 (05.08): гипотеза «чемпион glm-5 был искалечен выключенным мышлением» ОПРОВЕРГНУТА — с мышлением 24/45 против 25/45 при цене в 4,4× выше. Ограничение №5 снято; следствие шире вердикта: на роли терминолога размышление не конвертируется в качество ни у одной проверенной модели (terra при 11× цены luna покупает 0 клеток).

Вход для решения владельца: gpt-5.6-luna держит качество glm-5 за 39% цены ($0.23 против $0.59 за книгу) — кандидат в замену терминолога, если владелец захочет тронуть роль; паритет измерен против ЛУЧШЕГО из двух режимов чемпиона. Не решение сессии.

Деньги: проба A $0.070293 · проба C $0.104097 · эффорт-проба $0.044163 · контроль glm2 $0.081326. Потолки не пробиты.

§0. ПРЕ-РЕГИСТРАЦИЯ (записано ДО первого платного вызова этой сессии; норма D39.46/D39.61)

Дата фиксации: 2026-08-04, до любых платных вызовов. Всё ниже — фриз; расхождение исполнения с этим текстом печатается как девиация с обоснованием.

0.1 Провод пробы A (byte-faithful edit-стадии `pipeline-c1.yaml`)

Поле	Значение	Провенанс
модель	`deepseek-v4-pro`	`pipeline-c1.yaml` stages[edit].model (ИНТЕРИМ D39.22)
промпт	`backend/prompts/zh-ru/editor.md`, блок `---FEWSHOT---` ДРОПНУТ	stages[edit].few_shot: false
temperature	`0.4` (шлётся; thinking-режим её молча игнорирует — quirks 00)	stages[edit].temperature
reasoning	параметр НЕ шлётся вовсе ⇒ вендор-дефолт `high`	deepseek = `ReasoningNone` (`llm/capability.go:177-180`), stages[edit].reasoning:"off" ⇒ ключа на проводе нет; quirks 00 §3а
max_tokens	`16000`	`models.yaml:166` capabilities.min_max_tokens (флор v4-pro)
раскладка	`system(editor.md core)` → `system(банк-блок)` → `user(text+draft)`	`render.go` MessagesWithInjection
формат строк блока	`- src → «dst»`	`membank/memory.go:815` editorLines

Байт-сверка провода — исполнением, ДО платных вызовов. Overlay-тест (go test -overlay, файлы живут в скрэтчпаде, в backend/ не пишутся) прогнал РЕАЛЬНЫЕ LoadPromptTemplate+SystemFor(false)+ MessagesWithInjection и RenderEditorConstraintBlock на окне w3 и напечатал sha256 каждого сообщения. Совпадение с Python-харнессом побайтное:

Go   WPMSG 0 role=system sha=cef8aba86410f996ab4624f6839f2acbf98a31ededa6a12a8070c03abb739645
Py   PYMSG 0 role=system sha=cef8aba86410f996ab4624f6839f2acbf98a31ededa6a12a8070c03abb739645
Go   WPMSG 1 role=system sha=775604eddb3346c0b566ff01d0affd7b222d00fd37684afa9104639ae83e107d
Py   PYMSG 1 role=system sha=775604eddb3346c0b566ff01d0affd7b222d00fd37684afa9104639ae83e107d
Go   WPMSG 2 role=user   sha=547d516465c885890438b4e001c8d6d6a7c48641ce28701b6b6385bad66940fa
Py   PYMSG 2 role=user   sha=547d516465c885890438b4e001c8d6d6a7c48641ce28701b6b6385bad66940fa
Go   WPBLOCK sha=775604eddb3346c0b566ff01d0affd7b222d00fd37684afa9104639ae83e107d (RenderEditorConstraintBlock, текущий editor_header)

Сверялся блок с ДЕЙСТВУЮЩИМ editor_header; кандидат-заголовок §B отличается от него ровно вставкой оговорки (ниже дословно), строки блока не трогает.

0.2 Окна и черновики

Те же 6 окон источника, что inject_probe.py (pick_windows(), детерминирован, coldrun-a только чтение): w0@para534 · w1@para709 · w2@para488 · w3@para372 · w4@para101 · w5@para274. Черновики — арм B того же сырья (inj-w{k}-B.json, транслятор под ВЕРНЫМ законом, $0, уже персистированы, все finish=stop): канон-конформный черновик = сильнейший тест вытеснения.

0.3 Заголовки (кандидат-редакции §B промта; в движок НЕ вносятся)

База — действующий editor_header (backend/internal/lang/data/injection.txt строка 7), дословно.

Единый закон-блок с оговоркой области (армы A1, A2, AM-clause):

КАНОНИЧЕСКИЕ ПЕРЕВОДЫ имён и терминов (в черновике термин исходника слева ДОЛЖЕН быть передан именно указанной формой справа — приводи к ней любые расхождения, склоняя по контексту; не вводи иных вариантов и не меняй ничего другого; глоссарий обязателен для употреблений термина КАК термина: игру слов, разбор знаков, буквальное прочтение передавай по смыслу пассажа, сохраняя узнаваемость канонической формы):

Закон БЕЗ оговорки (арм AM-noclause) = действующий editor_header без единой правки:

КАНОНИЧЕСКИЕ ПЕРЕВОДЫ имён и терминов (в черновике термин исходника слева ДОЛЖЕН быть передан именно указанной формой справа — приводи к ней любые расхождения, склоняя по контексту; не вводи иных вариантов и не меняй ничего другого):

Секция editor_unverified_header НЕ рендерится (двухсекционка сворачивается в одну — §B промта); маркер ⟨проверить⟩ на проводе НЕ рендерится (поведенчески пуст, research/24 §C).

0.4 Армы (26 платных вызовов v4-pro + 1 транслятор-вызов на черновик AM)

Арм	Вызовов	Блок	Что мерит
A0	6	нет	изолированный контроль (его не было НИКОГДА)
A1	6	закон+оговорка, все строки ВЕРНЫЕ	исполнение закона на редакторе
A2	6	закон+оговорка, строка `元海 → «Юаньхай»` НЕВЕРНАЯ	цена неверного закона + межоконная консистентность
AM	2	закон+оговорка / закон без оговорки	работает ли оговорка области и не течёт ли
A5	6	нет	чинит ли редактор дефекты черновика

Девиация от дизайна §C (обоснованная): research/24 §C РОТИРОВАЛ неверный терм по окнам. Здесь неверная строка ОДНА И ТА ЖЕ во всех 6 окнах — 元海, единственный терм, присутствующий во всех шести окнах (пересечение множеств термов = {元海}) и отрендеренный верной формой во всех шести черновиках. Без этого метрика «судьба ОДНОЙ строки одинакова во всех 6 окнах» (§A промта) неизмерима. Инъецируемая неверная форма — Юаньхай (реестр TERMS inject_probe.py).

AM — метаязыковое окно, НАТУРАЛЬНОЕ (не синтетика): параграфы 517–521 источника — выбор 本命蛊 в шкафу гу. Несёт (а) 蛊名月光 — имя названо КАК ИМЯ («имя гу — Лунный свет»), при том что канон-форма 月光蛊 → «Гу лунного света»; (б) 弯弯如月 — буквальное «изогнут, как месяц»; (в) обычные терминные употребления 月光蛊 в тех же 5 строках. Блок окна содержит ровно те термы реестра, что встречаются в окне. Черновик AM: 1 вызов транслятором проводом арма B (deepseek-v4-flash, reasoning_effort:"low", temp 0, ВЕРНЫЙ блок), тег edp-AMdraft. Правило ветвления, фиксируется ЗДЕСЬ: если черновик передаёт 蛊名月光 ПО СМЫСЛУ (не приклеивает канон-форму к слову «имя») — идёт как есть; если канонизировал — сажаю смысловой вариант «Имя этому гу — Лунный свет» и объявляю посадку в отчёте (файл edp-AMdraft-planted.txt), результат помечается как посаженный.

0.5 A5 — посаженные дефекты черновика (дословный список)

По одному дефекту каждого класса в каждое из 6 окон, итого 6+6. Арм без банк-блока. к1 = слово-абракадабра (несуществующее слово); к2 = смысловое искажение против ОРИГИНАЛА.

Окно	Класс	Было в черновике	Стало (посадка)	Против чего в исходнике
w0	к1	`также поразительна`	`также взгрумительна`	—
w0	к2	`они не выдержат такого непрерывного расхода`	`они легко выдержат такой непрерывный расход`	再多的元石也经不起…消耗
w1	к1	`сокровище природы`	`мреязное сокровище природы`	—
w1	к2	`на глазах неуклонно поднимался`	`на глазах неуклонно опускался`	元海水位…不断攀升
w2	к1	`словно натянутая струна`	`словно натянутая струмель`	—
w2	к2	`Увы, тот так и не показался`	`Увы, тот в первую же ночь и показался`	可惜，就是不见那酒虫
w3	к1	`но при этом необычайно густой`	`но при этом необычайно гущавой`	—
w3	к2	`Фан Юань, не оборачиваясь, развернулся и пошёл обратно`	`Фан Юань обернулся и остался стоять на месте`	方源直接转身往回走
w4	к1	`волна дерзновенной отваги`	`волна дерзновяжной отваги`	—
w4	к2	`была вполне приемлемой платой`	`была совершенно недопустимой утратой`	春秋蝉的损失完全可以接受
w5	к1	`оттенок суровой удали`	`оттенок суровяглой удали`	—
w5	к2	`он наконец не смог идти дальше`	`он зашагал ещё быстрее`	一直走到三十六步，终于走不动了

Скоринг A5: regex-предпроход («дефект ещё в выходе» / «смысл восстановлен») + обязательная глазная сверка каждой из 12 единиц; при расхождении авторитет — глаз, regex печатается рядом.

0.6 Скоринг A0/A1/A2 и развязка regex-конфаунда

Метод — тот же regex-скорер, что inject_probe.py --score (нормализация NFKC · casefold · ё→е · схлоп пробелов). Найденный и развязанный конфаунд (проверка потребована промтом на классе 元海/真元): голд-rx 真元 = истинн\w* ци матчится ВНУТРИ верной формы 元海 = «море истинной ци». Развязка: перед поиском 真元 из нормализованного выхода вырезаются все вхождения голд-формы 元海. Ре-ран research/24 §C по персистированному сырью ОБОИМИ методами — числа §C не двигаются (см. §A.0 ниже); конфаунд задевает 2 клетки (w1 армы C/D), и обе лежат в колонке НЕВЕРНОГО терма, которая в знаменатель «верных строк» не входит.

Знаменатели: «верные строки» = все термы блока кроме 元海 = 21 клетка (6+6+5+4+3+3 = 27 минус 6).

0.7 Критерии (успех/провал, зафиксированы ДО запуска)

«Закон исполняется» — A1 ≥ 5/6 окон, где ВСЕ верные строки окна пришли канонической формой. Печатается также поклеточно (x/21) для сравнимости с §C.
«Цена ошибки» — A2: принятие неверной формы и вытеснение верной печатаются ЧИСЛОМ без порога (это цена, не экзамен).
«Консистентность держится» — единогласие ≥ 5/6 однонаправленных решений по строке 元海 в A2 (все 6 окон приняли ЛИБО все 6 отвергли).
«Оговорка работает» — метаязыковый пассаж передан ПО СМЫСЛУ при законе+оговорке И сломан (канон-форма приклеена) при законе-без-оговорки.
«Оговорка ТЕЧЁТ» — ≥ 2/6 окон A1/A2 с отклонением от закона по ВЕРНЫМ строкам ⇒ формулировку сузить и пере-гнать ТОТ арм, где leakage зафиксирован (в потолке).
A5 — «X из Y» по каждому классу, порога НЕТ (первый замер класса).
Средние исходы (ровно 4/6 и т.п.) — «неопределённо на N=6», печатаются, не абсорбируются.

0.8 Смета пробы A (напечатана ДО первого платного вызова)

Калибровка токенизатора: cl100k → фактические prompt_tokens DeepSeek ×0.612 (по 6 вызовам сырья §C, разброс 0.597–0.622). Вход всех 26 вызовов ≈ 52 602 ток. → $0.0229. Выход: нижняя оценка (только содержательный текст) 23 400 ток. → $0.0432; ожидаемая 104 000 ток. → $0.1134; абсолютный потолок (ВСЕ 26 вызовов упираются в 16 000) 416 000 ток. → $0.3848. Ожидаемая смета $0.11–0.14 < потолка $0.30. Абсолютный потолок выше $0.30 достижим только при 26/26 упоров в cap, поэтому в харнесс вшит живой стоп $0.28, проверяемый ПЕРЕД каждым вызовом ⇒ потолок непробиваем механизмом, а не дисциплиной. Плюс 1 транслятор-вызов на черновик AM ≈ $0.002.

§0C. ПРЕ-РЕГИСТРАЦИЯ ПРОБЫ C (фронтир-пасс по голду; потолок $0.50, «go» владельца D39.103 п.3)

Слаги — live /models 04.08.2026, не со слуха. Владелец назвал «терра»/«луна»; в листинге OpenAI (124 слага) присутствуют ровно gpt-5.6-terra и gpt-5.6-luna (плюс gpt-5.6-sol, которого владелец НЕ называл — в пробу не берётся). Опознание однозначное, СТОП+релей не требуется. DeepSeek-листинг: deepseek-v4-flash, deepseek-v4-pro — прежние два.

Цены — ТОЛЬКО прайс-страница вендора developers.openai.com/api/docs/pricing (снято 04.08.2026), за 1M токенов, короткий контекст / длинный контекст:

Слаг	in	cached in	out	(long) in	cached	out
`gpt-5.6-terra`	$2.00	$0.20	$12.00	$4.00	$0.40	$18.00
`gpt-5.6-luna`	$0.20	$0.02	$1.20	$0.40	$0.04	$1.80
`gpt-5.6-sol` (не в пробе)	$5.00	$0.50	$30.00	$10.00	$1.00	$45.00
`deepseek-v4-pro`	$0.435	$0.003625	$0.87	—	—	—

(v4-pro — models.yaml, prices_checked 2026-07-10, подтверждено quirks 00 «цены пост-катовера не изменились».) Батчи ростера ≈4.5k ток. ⇒ применяется КОРОТКИЙ контекст-тир.

Протокол — тот же, что research/24 §B3: consilium_probe.py-ростер (45 голд-термов в банке + 18 экстра-поверхностей = 63 строки), 5 батчей, engine-faithful RenderBatch, боевой terminologist.md, добавка CONF_NUM (как у пасса glm1, иначе несравнимо), temp 0 где применимо. Чемпион для сравнения — glm1 = 25/45 (пере-считано из сырья: ds1 20 · ds2 20 · ds3 21 · dsw 18 · glm1 25 · mis1 23 · gro1 12).

Wire-квирк, который НЕ гадаю (правило двух направлений, quirks 00 шапка): вендор-дока GPT-5.6 описывает reasoning.mode + reasoning.effort (none…max) для Responses API; поддержка плоского reasoning_effort в Chat Completions в доке не заявлена, а прецедент exp08 (xAI) — вложенная форма в Chat Completions МОЛЧА ГЛОТАЕТСЯ. Поэтому ДО основных вызовов идёт микро-wire-проба (≈$0.002): на каждом слаге по 2 крошечных вызова с эффортами none и high; ручка считается ЖИВОЙ, только если reasoning_tokens между ними различаются. Транспорт основного прогона выбирается по её результату (Chat Completions при живой ручке; иначе Responses API), выбор печатается в отчёт. Прочее по квиркам: max_completion_tokens вместо max_tokens, temperature не слать. Эффорт основного прогона: low для terra/luna (дешёвый тир, зеркало ds1); для deepseek-v4-pro reasoning-параметр НЕ шлётся (low на pro маппится в high — ручки бюджета у pro нет, quirks 00 §3а).

Смета C: вход ≈19k ток. на пасс. v4-pro: $0.008 вход + выход (высокий эффорт, оценка 30k ток.) $0.026 ≈ $0.034. luna: $0.004 + $0.048 ≈ $0.05. terra: $0.038 + (оценка 8k ток.) $0.096 ≈ $0.13. Итого ожидаемо ≈$0.22 при потолке $0.50; живой стоп харнесса $0.45.

Критерий (фриз): «фронтир оправдан для роли» — парное преимущество кандидата над glm1 (термы «кандидат прав ∧ glm1 неправ» минус обратные) ≥ +5 на 45 голд-термах И названа цена/книга по методике research/24 §B5. Меньше +5 — «не оправдан» (легитимный исход).

Data-sharing на ключе OpenAI отключён — слово владельца, D39.103 п.3 (со слов промта оркестратора; сессия это не верифицировала).

§A. Проба A — редакторский провод под законом

26 пре-регистрированных вызовов deepseek-v4-pro, все finish=stop, слаг-дрейфа нет, провод каждого вызова сверен с пре-регом машинно (temp 0.4 · max_tokens 16000 · extra_body пуст · 2 сообщения в армах без блока, 3 — с блоком · заголовок соответствует арму · маркер ⟨проверить⟩ и вторая секция нигде не просочились). $0.070293 при потолке $0.30.

⚠ ДЕВИАЦИЯ ПРЕ-РЕГА №1 (поймана адверсариальным ревью, объявляю)

Зафризенный §0.3 ставит оговорку ВНУТРЬ скобки: …не меняй ничего другого; глоссарий обязателен … канонической формы):. Харнесс собирает заголовок конкатенацией база + оговорка + ":", где база уже закрыта скобкой, поэтому на провод во всех A1/A2/AM-clause ушло: …не вводи иных вариантов и не меняй ничего другого); глоссарий обязателен для употреблений термина КАК термина: игру слов, разбор знаков, буквальное прочтение передавай по смыслу пассажа, сохраняя узнаваемость канонической формы: — то есть оговорка стоит СНАРУЖИ скобки. Заголовок-без-оговорки (арм AM-noclause) байт-идентичен движковому editor_header, расхождения нет. Все выводы §A относятся к отправленной строке; при любом внесении §B в injection.txt брать её, а не редакцию из §0.3.

A.0 Развязка regex-конфаунда (потребована промтом; $0, по персистированному сырью)

Конфаунд РЕАЛЕН: голд-rx 真元 (истинн\w* ци) матчится внутри верной формы 元海 («море истинной ци») — 14 пересечений в сырье §C. Но на числа §C он не влияет: развязанный ре-ран даёт ту же таблицу (A 9/21 · B 20/21 · C 20/21 · D 21/21; неверная 0/6 · 0/6 · 6/6 · 6/6). Задеты ровно 2 клетки (w1 армы C/D), и обе лежат в колонке НЕВЕРНОГО терма, которая в знаменатель «верных строк» не входит. ⇒ оговорка (а) ревью-шапки research/24 («верные строки C/D завышены до 2 ячеек») в части ЭФФЕКТА неверна: механизм есть, сдвига чисел нет. Развязка всё равно включена в скорер этой пробы, потому что здесь 元海 — инъецируемый неверный терм.

A.1 Следование закону по ВЕРНЫМ строкам блока (21 клетка = 27 строк минус 6 клеток `元海`)

Арм	Канонических форм	Окон с ПОЛНЫМ следованием	Сломано против черновика
черновик (арм B транслятора)	20/21	5/6	—
A0 без блока	15/21 (71%)	2/6	5/20
A5 без блока (второй розыгрыш того же контроля)	8/21 (38%)	0/6	12/20
A1 закон+оговорка, верные строки	21/21 (100%)	6/6	0/20
A2 закон+оговорка, `元海` неверна	21/21 (100%)	6/6	0/20

Критерий 1 «закон исполняется» — ВЫПОЛНЕН (6/6 ≥ 5/6).

Контроль без блока разыгран ДВАЖДЫ, и это меняет формулировку. A5 гнался как арм посаженных дефектов, но по проводу это тот же контроль: тот же промпт, те же окна, тот же отсутствующий блок, а черновики отличаются от A0 только двумя посадками, ни одна из которых термов не касается. Второй розыгрыш дал 8/21, не 15/21. Поэтому:

устойчиво и направленно: блок поднимает следование канону до 21/21 и 6/6 окон в обоих армах, где он есть; без блока — 15/21 и 8/21, ни одного полного окна во втором розыгрыше;
НЕ устойчиво: конкретное число базы. «71% → 100%» — один розыгрыш; честная запись — «без блока 8–15 из 21, с блоком 21/21».

Главное здесь не 100%, а разрушение. Черновики арма B несли канон в 20/21 клетке. Редактор без блока сам ломает от 5 до 12 из 20 уже верных клеток (25–60%) и не чинит единственную неверную. Это первый изолированный замер контроля (его не было никогда), и он переворачивает роль редактора в модели рисков: редактор — не пассивная стадия, которую банк «страхует», а самостоятельный источник терминологического разнобоя, причём с большой дисперсией.

Сломанные клетки (черновик→A0): w0 真元, w0 元石, w1 元石, w1 蛊师, w5 蛊师. Вскрыто глазами, edp-A0-w0 — редактор пере-терминологизирует пачкой:

«покупательная способность юань-камней тоже поражает… Из них можно напрямую извлекать чистую изначальную сущность и восполнять ею море сущности в апертуре»

против канона «первобытный камень» · «истинная ци» · «море истинной ци». В edp-A0-w5: «мастер гу первого оборота», «Гу Юэ Мо Бэй», «класс И/Бин» — то есть без блока плывут и термы, и имена, и шкала градаций. В арме A5 (тоже без блока) тот же класс: 春秋蝉 пришёл «Цикадой Весны и Осени» вместо канонической «Весенне-осенней цикады».

A.2 Цена неверной строки и межоконная консистентность (строка `元海`, 6 окон)

Арм	Верная форма в выходе	Неверная («Юаньхай») в выходе
черновик	6/6	0/6
A0 без блока	2/6	0/6
A1 верный закон	6/6	0/6
A2 неверный закон	1/6	6/6

Критерий 2 «цена ошибки» (число без порога): неверная строка принята 6/6; полностью вытеснила верную в 5/6. Это ровно то же, что на транслятор-проводе (§C research/24: 6/6 и 5/6) ⇒ цена неверной строки банка на редакторе НЕ МЕНЬШЕ, чем на трансляторе; ремонт «редактор поймает» не существует.

Критерий 3 «консистентность держится» — ВЫПОЛНЕН: единогласие 6/6. Строка отработала одинаково во всех шести окнах ⇒ канал разнобоя между параллельными главами инъекция НЕ открывает: она одинаково точна и одинаково заразна. Это прямое подтверждение несущего довода D39.104 (закон ради консистентности) — с ценой, названной числом выше.

Единственное исключение вскрыто глазами, edp-A2-w3:

«В апертуре, разумеется, лежало Юаньхай — море истинной ци.»

Редактор исполнил неверный закон И приклеил к нему верную форму глоссой. Это единственная из 6 клеток, где обе формы сосуществуют, — и единственный наблюдённый след «сопротивления» неверной строке. Механизма, который это ловит, в пайплайне нет.

Критерий 5 «оговорка течёт» — НЕ подтверждён: 0/6 окон с отклонением (A1 и A2 дали 21/21 по верным строкам). Пере-гон арма не потребовался.

⚠ Но метрика присутствия к протечке структурно слепа, и это ограничение вывода, а не придирка. Пре-регистрированный скорер спрашивает «есть ли каноническая форма в выходе», а не «все ли употребления приведены к канону». По счёту УПОТРЕБЛЕНИЙ картина другая: w0 元石 черновик 8 → A1 4 (остальные стали «камни»), w5 蛊师 4 → 3, w1 元海 3 → 2. Под буквой закона («приводи к ней ЛЮБЫЕ расхождения») это отклонения, которых «0/6» не видит. Обратный класс — ПЕРЕ-канонизация — тоже наблюдён: edp-AM-clause подставил «Гу лунного света» там, где исходник даёт голое 蛊虫. Честная запись: нулевая протечка НЕ ИЗМЕРЕНА; измерено, что каноническая форма присутствует в 100% клеток. Поштучная метрика — вход следующей пробы.

A.3 A5 — чинит ли редактор дефекты черновика (12 посадок, арм БЕЗ блока)

Класс	Исправлено	Метод сверки
к1 — слово-абракадабра	6/6	regex 6/6 + глаз 6/6
к2 — смысловое искажение против оригинала	6/6	regex 6/6 + глаз 6/6

Порога не было (первый замер класса). Regex и глаз разошлись в одной единице (w4 к1: fix_rx не предвидел формулировку) — по пре-регу авторитет глаза: «волна дерзновяжной отваги» → «приливом гордого честолюбия», дефект снят. Восстановления смысла подтверждены против ИСХОДНИКА, в т.ч. там, где фрагмент переписан целиком: w3 方源直接转身往回走 → «Вместо ответа Фан Юань просто повернул обратно»; w5 终于走不动了 → «лишь на тридцать шестом шагу он окончательно выбился из сил и остановился»; w4 完全可以接受 → «вполне приемлемая цена».

⚠ 12/12 — это «починка ПОСАЖЕННОГО», а не чистый эффект стадии. Тот же арм в тех же вызовах ВНОСИТ новые дефекты, которых в черновике не было (найдено ревью, вскрыто по сырью):

Файл	Внесённый дефект	Против чего
`edp-A5-w4`	«тяжкий груз полувекового упорного подвижничества» (50 лет) — при том, что двумя абзацами выше тот же выход пишет «пятьсот лет»	`还存在着这五百年来，苦修的沉重经历`
`edp-A5-w3`	выход оборван на полуслове: «…будет обладателем таланта первого...» при `finish=stop` и 1176 из 16000 токенов	потеря смысловых атомов, мандат «сохраняй ПОЛНОТУ»
`edp-A5-w2`	одна реплика разбита на три абзаца через «—» (порча атрибуции речи); `花酒行者` переименован «Цветочный Бражник» → «Хмельной Странник»	реалия вне блока плывёт так же, как термы в §A.1

Обрыв при finish=stop — кандидат в 00-provider-quirks.md: тот же класс тихой обрезки, что зарегистрирован за gpt-5.4 на reasoning_effort:"medium" (exp14b/D38), но здесь на deepseek-v4-pro при дефолтном high и незадействованном бюджете. Ни finish, ни длина его не выдают; поймал бы regression_guard по обвалу длины, но в этой пробе гейты не участвовали.

Вывод: редактор чинит посаженные дефекты 12/12, но не является «чистым улучшением» — он в тех же вызовах ломает терминологию (5–12 из 20 клеток) и вносит собственные смысловые/структурные дефекты. Первую ось закрывает блок банка, вторая ($A5$-класс) не закрыта ничем и не мерена систематически.

A.4 AM — метаязыковое окно (оговорка области)

Окно натуральное: параграфы 517–521 (蛊名月光 — имя названо как имя; 弯弯如月; рядом обычные терминные употребления 月光蛊). Черновик (edp-AMdraft, транслятор арма B) передал имя ПО СМЫСЛУ — «Название гу — лунный свет» ⇒ сработала ветка пре-рега «идёт как есть», посадки НЕ было.

Пре-регистрированный результат (по 1 вызову на арм): критерий 4 «оговорка работает» — НЕ ВЫПОЛНЕН. Ни один арм не передал пассаж по смыслу: с оговоркой предложение об имени ИСЧЕЗЛО («Это Гу — тайная реликвия клана…»), без оговорки — свёрнуто в определение через канон-форму.

Пост-хок репликация (девиация от пре-рега, объявляю: +4 вызова, $0.006143, потолок не задет; пре-регистрированный вердикт выше ею НЕ переписывается). N=3 на арм:

Арм	Передача `蛊名月光`	`古月` (терма НЕТ в блоке)
закон+оговорка	пассаж потерян 1/3 · канон-форма приклеена к «звалось/называлось» 2/3 · по смыслу 0/3	«клан Древней Луны» 3/3
закон без оговорки	определение через канон 1/3 · по смыслу 2/3 («Гу звался лунным светом», «звалось Лунным светом»)	«клан Гу Юэ» 2/3 · «Древней Луны» 1/3

Направление обратно гипотезе §B: оговорка не только не включила смысловую передачу — арм БЕЗ неё дал её чаще.

Побочный сигнал по 古月 сформулирован через базу черновика (ревью справедливо поймало, что без неё вывод не держится): черновик edp-AMdraft УЖЕ нёс «клана Древней Луны» дважды. Значит арм с оговоркой ничего по смыслу не перевёл — он сохранил черновик 3/3, а арм без оговорки исправил его на «Гу Юэ» 2/3. Две равно совместимые гипотезы, ни одна не отброшена: (i) оговорка читается шире области и лицензирует смысловую передачу имени вне блока; (ii) оговорка просто делает редактора КОНСЕРВАТИВНЕЕ — он меньше правит черновик вообще. Гипотеза (ii) экономнее и согласуется с тем, что арм с оговоркой в r1 ещё и выбросил предложение (нарушив «сохраняй ПОЛНОТУ») и переврал 镇族蛊虫 в «тайную реликвию клана».

Ограничения, которые запрещают абсорбировать это как решение: один пассаж, N=3 на арм, temperature в thinking-режиме DeepSeek игнорируется (quirks 00) ⇒ разброс — недетерминизм провайдера, 古月 вне блока, и обе формулировки в 100% случаев не воспроизвели черновик дословно (редактор реверстывает). Статус: кандидат-редакция §B в части оговорки НЕ ПОДТВЕРЖДЕНА и к внесению в движок не готова; сам единый закон-блок (одна секция вместо двух) подтверждён — A1 21/21. (дубль-абзац снят — испр. оркестратором, D39.108)

A.5 «Заявление = команда» (проба A)

Число	Команда
байт-идентичность провода (3 sha256)	`go test -overlay <scratch>/overlay.json -run TestZZWireProbe ./internal/pipeline/ ./internal/membank/` + `editor_wire_probe.py --dump edp-A2-w3`
смета до запуска	`editor_wire_probe.py --plan`
§C воспроизведён, конфаунд развязан	`editor_wire_probe.py --selfcheck`
15/21 · 21/21 · 21/21 · 2/6 · 6/6 · 1/6 · 6/6 · 6/6 · 6/6	`editor_wire_probe.py --score`
A5 как второй контроль (8/21 · 0/6 · 12/20), окна A0/A1/A2, счёт УПОТРЕБЛЕНИЙ	инлайн-скрипты пере-рана по сырью (в журнале сессии)
12 посадок глазами	`editor_wire_probe.py --eyes`
внесённые редактором дефекты (обрыв w3 · «полувекового» w4 · реплика/реалия w2)	инлайн-грепы по `edp-A5-w*.json`
деньги, finish, слаг, соответствие провода пре-регу	инлайн-скрипт пересчёта по сырью `edp-*.json` (в журнале сессии)

§C. Проба C — фронтир-пасс по голду

15 вызовов ростера + 4 микро-вызова wire-пробы. Все finish=stop, слаг-дрейфа нет, деньги сверены вторым путём из сырья ($0.103125 против записанных $0.103124 — округление). $0.104097 при потолке $0.50.

C.1 Wire-квирк GPT-5.6 — ЗАМЕРЕН, не угадан

⚠ ДЕВИАЦИЯ ПРЕ-РЕГА №2 (объявляю)

Пре-рег §0C потолка вывода на кандидата не называл. В прогоне стояли РАЗНЫЕ: deepseek-v4-pro и gpt-5.6-luna — max_completion_tokens 16000, gpt-5.6-terra — 8000 (защита потолка $0.50 при цене выхода $12/M). На числа не повлияло: максимум фактического вывода по всем 15 вызовам — 1092 токена, упоров в cap нет, все finish=stop.

⚠ Харнесс пробы C вне фриза

Пре-рег-коммит 080c15d заморозил текст §0C и editor_wire_probe.py, но frontier_probe.py написан ПОСЛЕ и остался untracked. Критерии C заморожены текстом, слаги и цены сняты до запуска, но «заявление = команда» §C.4 опирается на код вне фриза — это слабее, чем в §A.

Плоский reasoning_effort в Chat Completions живой на обоих слагах: reasoning_tokens 0 → 48 (gpt-5.6-terra) и 0 → 57 (gpt-5.6-luna) при none → high. Responses API не понадобился; прецедент exp08 (молчаливое проглатывание вложенной формы) здесь не воспроизвёлся. Основной прогон: reasoning_effort:"low", max_completion_tokens, без temperature. Для deepseek-v4-pro reasoning-параметр не слался (на pro low маппится в high). Кандидат в 00-provider-quirks.md (строка для GPT-5.6, если семейство войдёт в ростер).

C.2 Точность против голда (45 термов) и цена

Пасс	Строго	С фолдом конвенции¹	$ пасса	$/книга²
glm-5 (чемпион §B3)	25/45	26/45	$0.018495	$0.59
mistral-large-2512	23/45	23/45	$0.012808	$0.41
deepseek-v4-flash low	20/45	24/45	$0.007921	$0.25
deepseek-v4-pro	16/45	24/45	$0.013560	$0.43
gpt-5.6-terra	18/45	26/45	$0.082204	$2.61
gpt-5.6-luna	18/45	26/45	$0.007360	$0.23

¹ фолд пробелов/дефисов при сравнении. Состав поднятых клеток проверен поимённо (правка по ревью — прежняя формулировка «ровно один класс, 8 поверхностей семьи 古月» неверна): у terra/luna/pro фолд поднимает 8 клеток = 7 поверхностей семьи 古月 + 人祖 («Жэнь-цзу» против голда «Жэньцзу» — другой терм и другой класс), у glm-5 — 1 клетку (人祖). ⚠ И фолд не нейтрален между кандидатами: у terra/luna семейные клетки выглядят как «Гу Юэ Мо Бэй» (разорваны И фамилия, И личное имя — две ошибки конвенции), у pro — «Гу Юэ Мобэй» (одна). Фолд склеивает их в одну ⇒ он чуть льстит фронтиру относительно pro, и «net ±0» для terra/luna — ВЕРХНЯЯ оценка. ² методика research/24 §B5: 2000 различных строк банка на книгу.

C.3 Вердикт по пре-регистрированному критерию

Парное преимущество над glm-5 (нужно ≥ +5):

Кандидат	Строго	С фолдом конвенции	Вердикт
deepseek-v4-pro	+1 / −10 (net −9)	+1 / −3 (net −2)	не оправдан
gpt-5.6-terra	+2 / −9 (net −7)	+2 / −2 (net ±0)	не оправдан
gpt-5.6-luna	+3 / −10 (net −7)	+3 / −3 (net ±0)	не оправдан

«Фронтир для роли терминолога НЕ ОПРАВДАН» — легитимный исход, зафиксированный пре-регом.

Но сырой вердикт был бы неправдой о причине, и это ключевая находка §C. Строгий счёт говорит «фронтир ХУЖЕ чемпиона на 7–9»; после снятия ОДНОГО класса — конвенции транскрипции — разрыв исчезает целиком (net ±0), а terra и luna догоняют glm-5 до 26/45. То есть 7 из 9 «промахов» фронтира — не ум, а орфографическая конвенция (古月 → «Гу Юэ» вместо «Гуюэ»), которую glm-5 и mistral угадали, а deepseek-pro, terra и luna — нет. Это ровно та конвенция, которую research/24 §D п.9 предлагает завести ДАННЫМИ пар-промпта (класс Z-B3); замер даёт ей цену: 8 поверхностей из 45 = 18% голда, и она перекрывает любую разницу между моделями на этом ростере.

Экономический вывод сильнее качественного: gpt-5.6-luna даёт 26/45 (фолд) за $0.23/книга против $0.59 у glm-5 — качество неотличимо на N=45 (разница ±3 при собственном пороге проекта +5), цена в 2,6× ниже, и она же дешевле нынешнего flash-low ($0.25) при +2 клетках. gpt-5.6-terra даёт то же качество за $2.61/книга — в 11× дороже luna, покупает 0 клеток: расход ума на этой задаче не конвертируется. deepseek-v4-pro — 24/45 за $0.43, хуже flash-low по деньгам и не лучше по качеству ⇒ довод «взять pro, он умнее» на роли терминолога эмпирически пуст.

Единицы, вскрытые глазами: 古月冻土 gold «Гуюэ Дунту» → у terra/luna/pro «Гу Юэ Дунту» (та самая конвенция); 开窍 gold «открытие апертуры» — взяли ОБА фронтира, glm-5 потерял; 空窍 gold «апертура» — то же; 蛊师 gold «гу-мастер» → terra «мастер Гу», pro «мастер Гу» (тот же класс порядка слов, что ломает редактор без блока в §A.1).

C.4 «Заявление = команда» (проба C)

Число	Команда
слаги живые	`frontier_probe.py --slugcheck`
ручка reasoning живая (0→48 / 0→57)	`frontier_probe.py --wirecheck`
смета	`frontier_probe.py --plan`
25/23/20/16/18/18 из 45, парные, $/книга	`frontier_probe.py --score`
фолд конвенции 26/24/23/24/26/26	инлайн-скрипт с `nosp()` (в журнале сессии)
деньги вторым путём, finish, слаг-дрейф	инлайн-скрипт пересчёта по сырью `fdp/flu/fte-b*.json`

C.5 КОНТРОЛЬ 05.08: чемпион с ВКЛЮЧЁННЫМ мышлением (закрывает ограничение №5) (перенумеровано из второго §C.4 — испр. оркестратором)

Дозамер по ревью посылки. §C сравнивал пассы в разных reasoning-режимах: чемпион glm-5 ехал thinking:{"type":"disabled"}, а претенденты с разумом (v4-pro default, terra/luna low). Ограничение объявлялось, но замером закрыто не было — то есть оставалась живая гипотеза «чемпион был искалечен, и паритет luna ему просто померещился».

Контроль glm2: тот же ростер, те же 5 батчей, тот же промпт и та же добавка CONF_NUM, меняется РОВНО ОДНО — мышление не отключается. Харнесс eval/premise_review/glm_thinking_control.py, риг consilium_probe.py не правился. Счёт — независимым парсером eval/premise_review/recount.py.

Пасс	Режим	Строго	Выход, ток. (по батчам)	$ пасса	$/книга
`glm1`	thinking off	25/45	199 · 178 · 197 · 150 · 11	$0.018495	$0.59
`glm2`	thinking on	24/45	3492 · 7275 · 4619 · 4222 · 378	$0.081326	$2.60

Гипотеза «чемпион был искалечен» — ОПРОВЕРГНУТА. Включение мышления не подняло качество, а дало −1 клетку при цене в 4,4× выше. Δ=−1 на N=45 лежит внутри шума, поэтому корректная формулировка — не «мышление вредит», а «на роли терминолога размышление не конвертируется в качество вообще»: тот же результат, что §C.3 получил на terra (11× цены luna, 0 клеток).

Следствия: (1) ограничение №5 снято — вывод §C от асимметрии режимов не зависел, и асимметрия была не в пользу претендентов, а против них; (2) побочный вывод про luna сохраняется, но его формулировка усиливается: luna держит паритет не с ослабленным, а с ЛУЧШИМ из двух режимов чемпиона; (3) роль терминолога — кандидат на явное отключение мышления там, где провайдер это позволяет: $0.59 против $2.60 за книгу при равном качестве.

⚠ Контроль добавлен ПОСЛЕ основного прогона и вне пре-рега §0C — объявляется как девиация. Он способен был только ухудшить собственный побочный вывод сессии (паритет luna исчез бы, поднимись glm2 выше 25), поэтому не является подгонкой ворот; но и не является пре-регистрированным.

§D. Деньги, критик полноты, ограничения

Леджер

Статья	Вызовов	$
A: 26 пре-регистрированных вызовов v4-pro	26	0.063867
A: черновик метаязыкового окна (flash)	1	0.000283
A: пост-хок репликация AM (девиация, объявлена)	4	0.006143
ПРОБА A	31	0.070293 (потолок $0.30)
C: ростер, 3 кандидата × 5 батчей	15	0.103124
C: wire-проба ручки reasoning	4	0.000973
ПРОБА C	19	0.104097 (потолок $0.50)
ВСЕГО	50	0.174390

Все 50 вызовов finish=stop — ⚠ но это НЕ свидетельство целостности выходов: edp-A5-w3 оборван на полуслове именно при finish=stop (§A.3). Оба пути счёта (лог харнесса и независимый пересчёт из usage × цен) сходятся до округления. Ни один потолок не задет; живые стопы ($0.28 / $0.45 + проекционный гард) не срабатывали.

Адверсариальный проход author≠reviewer (норма 01.08; соло-самопроверка платные пробы не закрывает)

Независимый агент прошёл от ЗАДАНИЯ и СЫРЬЯ к отчёту (в таком порядке), пере-считал все числа §A и §C СВОИМ кодом, не вызывая функций автора. Вердикт: принять с правками. Все числа — CONFIRMED (включая знаменатели, поклеточные списки, деньги, sha256 провода и фриз пре-рега 19:58:35Z против первого платного вызова 19:59:21Z). Восемь находок СВЕРХ отчёта, все проверены мной по сырью и все подтвердились; каждая вправлена в текст выше: девиация заголовка (скобка) · A5 как второй контроль 8/21 · дефекты, ВНЕСЁННЫЕ редактором · слепота leakage-метрики · отсутствие базы черновика в выводе про 古月 · состав фолда 7+人祖 и его несимметричность · необъявленный cap=8000 у terra · frontier_probe.py вне фриза. Один клейм ревьюера я сначала не воспроизвёл («полувекового») — при прямой проверке токеном он оказался верен, ошибка была в моём поиске.

Что осталось НЕ проверенным ревьюером (его слова, не додумано): оговорка (а) ревью-шапки research/24 и ре-ран §C по inj-w* им не пере-считывались — эти два клейма стоят только на моей проверке (§A.0).

Критик полноты — чего этот отчёт НЕ говорит

N=6 окон, одна книга, одна пара. Всё §A — zh→ru, 蛊真人, 10 глав. Перенос на ja/en не мерен (research/24 §E мерил его на ТРАНСЛЯТОР-проводе, не на редакторском).
Одна неверная строка одного класса. 元海 — многословный термин с прозрачной внутренней формой. Короткое фонетическое имя может вести себя иначе; 6/6 — про этот класс.
A5: дефекты посажены мной, не пойманы в бою. 12/12 — верхняя оценка: посадки заметны и локальны, реальные дефекты черновика тоньше. И это только ось «починил посаженное»: ось «внёс своё» посчитана лишь качественно (3 случая, §A.3), систематически не мерена. 3а. База контроля без блока нестабильна (15/21 против 8/21 на двух розыгрышах) ⇒ величину эффекта инъекции этой пробой назвать нельзя, только направление. Нужен контроль с N≥3 розыгрышами на окно.
AM: один пассаж. Обратное направление (оговорка мешает) — сигнал, а не решение; нужен второй метаязыковой пассаж и второй терм, прежде чем править injection.txt.
§C сравнивает пассы в РАЗНЫХ reasoning-режимах (glm-5 thinking off · flash/terra/luna low · pro high). Это шиппинг-режимы, а не выровненный эксперимент: вывод «ум не докупается» держится на паре (качество, цена), а не на равенстве бюджета размышления. ⇒ ЗАКРЫТО ЗАМЕРОМ 05.08 (§C.5): чемпион прогнан с ВКЛЮЧЁННЫМ мышлением — 24/45 против 25/45, то есть оговорка была в пользу чемпиона напрасно, и вывод от неё не зависел.
Голд = 45 подписанных владельцем строк. «Ошибка» модели против голда включает вкусовые решения владельца, автономно недостижимые (research/24 §D п.4).
Не сделано: причинный A/B no/proper/random глоссария на редакторе (только no/proper/wrong); замер на подписанных-и-неподписанных строках вместе (двухсекционка не гонялась ВООБЩЕ — единый блок её заменил по §B, так что вопрос «двухсекционка против единой» остался неизмеренным, а не решённым); фетч-сторона не трогалась.
Data-sharing OpenAI отключён — со слов промта оркестратора, сессией не верифицировано.

Что из этого — вход для решения владельца/оркестратора

Подтверждено: единый закон-блок исполняется 21/21 (по присутствию формы); консистентность единогласна 6/6; цена неверной строки на редакторе = цене на трансляторе (6/6, вытеснение 5/6).
Новое и не предполагавшееся: редактор без блока сам ломает 5–12 из 20 верных клеток черновика (два розыгрыша контроля) ⇒ инъекция редактору нужна не «на всякий случай», а как несущая защита; и она же — единственный канал, которым неверная строка гарантированно доедет до финала.
Новое, требующее гейта, а не доктрины: редактор ВНОСИТ собственные дефекты — тихий обрыв выхода при finish=stop, число 五百年→«полувекового», разбиение реплики, переименование реалии вне блока. Обрыв — кандидат в 00-provider-quirks.md по deepseek-v4-pro.
Не подтверждено: оговорка области §B (обратное направление на N=3+1). В движок не вносить.
Побочно: конвенция 古月 слитно стоит 8/45 голда и перекрывает разницу между всеми протестированными моделями — рычаг данных сильнее рычага модели (усиливает research/24 §D п.9).
Побочно: gpt-5.6-luna — то же качество, что glm-5, за 39% его цены; кандидат в замену терминолога, если владелец захочет тронуть эту роль (не решение сессии). Контроль §C.5 усилил формулировку: паритет держится против ЛУЧШЕГО из двух режимов чемпиона, а не против ослабленного.
Побочно, новое (§C.5): на роли терминолога размышление не конвертируется в качество ни у одной проверенной модели — glm-5 с мышлением 24/45 против 25/45 без него при 4,4× цены, terra при 11× цены luna покупает 0 клеток. Рычаг роли — данные (конвенция 古月, 8/45), не ум.

66 KiB Raw Blame History Unescape Escape