29 lines
3.6 KiB
Markdown
29 lines
3.6 KiB
Markdown
# eval/bank_autonomy — замеры и пробы арки автономности банка (01.08.2026)
|
||
|
||
Полигон-код к отчётам `docs/archive/reports/POLYGON_BANK_RAWMATERIAL_2026-08-01.md` ($0-замеры) и
|
||
`POLYGON_BANK_PROBES_2026-08-01.md` (платные wire-пробы). Движок не пересобирается — питон по
|
||
артефактам холодного прогона (D39.58) + сырой провод к DeepSeek.
|
||
|
||
## Источники (durable, вне git)
|
||
- Артефакты холодного прогона: `~/books/gu-zhenren/coldrun-a/` (БД + bank-stop + mined-signature + BANK-FULL).
|
||
Читаются READ-ONLY. Переопределить: `COLDRUN_A=/путь`.
|
||
- Сырьё платных проб: `~/books/gu-zhenren/bank-probes/*.json` (21 запись, persist по правилу-1 полигона).
|
||
|
||
## $0-замеры (parse_common + m*)
|
||
- `parse_common.py` — парсеры terminologist-чекпойнтов, bank-stop, mined-signature, BANK-FULL.
|
||
- `m21_consistency.py`/`m21b.py` — строка 21: консистентность терминолога по 3 вложенным проходам (n≥2=127, нестаб 43.3%).
|
||
- `m22_consolidation.py`/`m22b.py` — строка 22: веса §C2-3 (n≥2=75; term-топ==частота 43/43; final≠топ 50/75).
|
||
- `m36_typeaudit.py`/`m36b_grade.py` — аудит типов 36а (12–22% мис-тип; branch-harm 元石/元海; decl 142/142 null).
|
||
- `m_firstocc.py` — first-occurrence-тест KWIC-консолидатора (дизайн-пак банка §7.7, 01.08): первое-вхождение-в-БАНКНОТУ (`retrieval_state.banknote_detail`, порядок `(chapter,chunk_idx)`) vs частотный-топ vs ФИНАЛ. Единицы печатаются ДО агрегата (норма «вывод на агрегате до вскрытия единиц»). Итог: гипотеза первенства ОПРОВЕРГНУТА (финал==первое 7 == финал==частота 7, большинство — ни то ни другое) ⇒ роль = контекстный ре-решатель, не выбиратель по порядку/частоте.
|
||
|
||
## Платные пробы (term_probe.py, venv eval/.venv)
|
||
Реконструирует вход терминолога байт-близко к `terminology.go:RenderBatch`, бьёт в DeepSeek напрямую.
|
||
Режимы: `gate` (empty-buy на 0731) · `A0`/`A1rep`/`A0rep` (等 порознь/вместе, temp 0.3 — эксплор) ·
|
||
**`A0faithful`/`A1faithful`** (等 при temp 0 + `evidence:` + полный ctx = движковые условия, ДЕЙСТВУЮЩИЙ PROBE-A) ·
|
||
`Z0`/`Z1` (转) · `expBclean` (тип-классификатор 36а; `expB` — КОНТАМИНИРОВАН утечкой, не использовать).
|
||
Запуск: `eval/.venv/bin/python3 term_probe.py --mode <mode>`. Итог: **$0.027831** из потолка $0.10 (вкл. faithful ре-перегоны).
|
||
|
||
⚠ Два урока (оба из ревью): (1) `expB`-классификатор слил ответ в промте — поймано соло-самопроверкой, перегнано `expBclean`.
|
||
(2) Первый PROBE-A был НЕ engine-faithful (temp 0.3, дропнут `evidence:`, ctx усечён) — поймано **author≠reviewer**
|
||
(3 агента: recount+audit+skeptic), разрешено `A0faithful`/`A1faithful`. Числа PROBE-B исправлены 17/18→17/21, 83%→78.9%.
|
||
Подробности — §2/§3/§5 отчёта `docs/archive/reports/POLYGON_BANK_PROBES_2026-08-01.md`.
|