textmachine/docs/experiments

Эксперименты полигона — карта

Один эксперимент = один отчёт NN-*.md (методика + цифры + честные ограничения). Здесь — индекс: что установил → чем ратифицирован → статус. Каждая строка сверена по шапке самого дока + D-логу (досведено 25.07, голова D39.28: добавлены exp15/exp16; ре-сверка 01.08, голова D39.64: новых экспериментов нет, 00-provider-quirks синхронизирован с катовером DeepSeek-0731 по D39.61; ре-сверка 04.08, голова D39.105 — новых экспериментов карты нет, банк-арбитраж = research/24, выдан промт пробы 18, см. хвост карты). Карта скриптов (какой .py какому эксперименту) — в eval/README.md §Карта; здесь — про выводы.

Легенда статуса: ⭐ЖИВОЙ-reference (читать при работе) · ЖИВОЙ (открытый инструмент/протокол) · закрыт (есть review-header/⚠-баннер; вывод ратифицирован, тело не редактируем — D23.3) · settled (одноразовый бенч, вопрос закрыт).

Дисциплина: доки и скрипты НЕ перемещаются — на них живые file:line-ссылки из D-лога/PROGRESS/друг друга; перемещение рвёт грепы (D23.3, история не переписывается — баннер, не удаление). Уборка = индекс+карта, не relocation. Провенанс exp13_seed_v2.py/exp13_seed_signoff.py — цитируется D-логом (D30.5), это ЖИВЫЕ скрипты сида, не спент.

Живые reference / инструменты (не «закрытые эксперименты»)

Док	Что это	Статус
00-provider-quirks	Wire-квирки провайдеров — читать ПЕРЕД правкой адаптеров/вызовов. +D38: gpt-5.4 reasoning_effort:medium съедает вывод коротким max_tokens.	⭐ЖИВОЙ
09-pilot-protocol	Протокол пилота Ф2.5 — решающая точка проекта (выбор ядра C0–C3, go/no-go памяти, судья, think-режим). Жив; ждёт корпус вне претрейна + аннотаторов ≥3. Пост-D13 амендменты — в ⚠-указателе D31.	⭐ЖИВОЙ (решающий)
02-refusal-benchmark	Refusal/excision 18+. Его split_sentences/classify_output = приёмочный оракул coverage-гейта (паритет с Go закреплён тестом).	ЖИВОЙ (оракул)
07-coverage-precision	Precision excision-гейта (0 FP/57) — гейтит боевой флип gates.coverage.enabled (D12/Q4).	ЖИВОЙ (гейт)
01-token-calibration	Токен-множители (r-коэф) на реальных текстах → питают COGS. Уточнение — по вебновелл-файлам владельца.	settled/reference

Закрытые эксперименты

Док	Что установил	Ратификация	Статус
03-local-stand	Локаль как ПЕРЕВОДЧИК не годится (эхо/качество); годна как «шпион»/экстрактор.	— (settled)	settled
04-editor-quality	Бейк-офф редакторов короновал grok-4.3. Рекомендация ОТМЕНЕНА (⚠-баннер D31): мерил билингв+reasoning-ON, а боевой был моно+reasoning-off (quality-transfer риск материализовался в exp12).	superseded D30.1 (закреплено ревизией D31)	закрыт
06-local-extraction	Экстракция терминов локаль vs облако — закрывает дыру G1 реестра рисков.	— (settled)	settled
08-cost-model-v2	COGS v2 Ф1-стека. ⚠-баннер: стоит на снятых посылках (моно-редактор, grok reason-off); $-рамка → D30.4 (~$0.83–0.86/ранобэ). Множители стадий — живая фактура.	$→D30.4	закрыт (числа)
10-explicit-benchmark	18+ violence-рука на 蛊真人: отказы/тихая вырезка/вменяемость судьи. Закрыл critical D14.4 (violence).	D14.4/D14.2/D3	settled
11-erotica-benchmark	Сестринский 18+ erotica-срез (те же армы/методика). Закрыл последний critical D14.4.	D14.4/D19/D3	settled
12-quality-diagnosis	Диагноз потери читаемости 25 глав: пассивность моно-редактора + сид + построчность + нет санитайзера. Флип D1 моно→билингв принят досрочно.	→ D30 (review-header ACCEPT_WITH_FIXES; D35 — downstream-переподтверждение диагноза, не ратификация)	закрыт
13-translator-bakeoff	Бейк-офф ПЕРЕВОДЧИКОВ: flash сохранён, pro отклонён (ложная сходимость + pro-катастрофа 蛊→«гусеницы»); сид v2 принят.	→ D32 (review-header)	закрыт
14-quality-empirics	Претензия-1 (абзацы) = дешёвый промпт-рычаг, не модель; A-2pass отклонён (fidelity-катастрофа); gpt-5.4-эскалация held под-мощной.	→ D37 (review-header)	закрыт
14b-meaning-battery	«Только gpt-5.4 чинит смысл» ОПРОВЕРГНУТО (mistral/deepseek-pro чинят инверсии, glm/grok валят); фронтир-в-дефолт не нужен; корень терм-дрейфа = status:draft сида.	→ D38/D38.1 (review-header)	закрыт
15-segmentation-empirics	Сегментация/когезия/контракт t-e (пре-рег research/19 §D). REV.2: клейм «граница вредит» ОТОЗВАН (артефакт окна судьи); все когезия-эффекты под floor 0.126; «sequential нигде не лучше» LOO-stable (отсутствие сигнала, НЕ зелёный свет); фертильность 1.20/0.39; $12.79/$15. Побочно — риг-стандарт D39.7 (per-vote, полно-evidence, floor-гейт).	→ D39.7; гейт = слепое чтение владельца → D39.8 (планку не прошёл никто, floor-null подтверждён)	закрыт
16-bank-mining	Банк-майнинг W1.5 (пре-рег research/20 §D): WHICH подтверждена (детектор V-C, recall 0.97, $0), WHAT уходит в банкноту+Палладий (canon-recovery <70%), 9B-споттер не нужен, Z1 → облако; $0-ре-аудит exp14b чист (errata не потребовалась). Этим исследовательская программа полигона ЗАВЕРШЕНА.	→ D39.10; gender-тачпойнт §7 закрыт D39.19; продолжение — Go-майнер, парити EXACT (D39.14/D39.16)	закрыт

Пропуски нумерации: 05 снят до прогона (вопрос закрыт литературой — урок «тест только если исход переворачивает решение», eval/README §Правила-3).

Дуга качества 12 → 13 → 14 → 14b

Четыре эксперимента — один трек «мерить, потом строить»: диагноз (12) → переводчик (13) → рычаги нарезка×промпт + фронтир-диагностика (14) → батарея смысл-трапов + ранг (14b). Все — интерим пре-скрины на PD-классике/книге со стенда (D35), НЕ пилот. Сошлись к D38: near-term потолок — в нашей нарезке/промпте/глоссарии-инфре, не в дешёвых моделях; строим инфра-пак, редакторов больше не мерим. Настоящий вердикт качества = пилот Ф2.5 (09) на корпусе вне претрейна.

Что было после дуги: 15 → 16 → пере-прогон (дописано 25.07)

Дуга 12→14b проверяла модели; следующая пара проверяла инфру, на которую дуга указала. 15 закрыл нарезку/когезию (все эффекты под floor — оптимизировать там нечего, зато родился риг-стандарт D39.7), 16 закрыл банк-майнинг (WHICH работает, WHAT уходит в банкноту) — и на этом исследовательская программа полигона завершена (D39.10). Дальше был не эксперимент, а пере-прогон прод-путём (rerun2, D39.20/D39.22): планка «≤2 претензии» не пройдена, пилот не открыт, mistral исключён как несущий редактор (анти-корреляция гладкость↔верность ×3), редактор = deepseek-v4-pro ИНТЕРИМ, dspro-vs-glm не ратифицирован (зазор ≈ шум) → итерация №2 отложена довеском к следующему платному прогону. Отчёта 17-*.md нет и не будет: пере-прогон — не эксперимент полигона, его запись живёт в D-логе и PROGRESS.md.

Дальше (04.08): банк-арбитраж прошёл НЕ этой картой — отчёт ../research/24-bank-arbitration.md + харнесс eval/bank_arbitration/ (принят D39.102: консилиум · кросс-модельные веса · self-consistency · селекция · отказ-сигнал — закрыты классом). Следующий отчёт карты — 18-editor-wire-probe.md: проба редакторского провода под доктриной инжекта (санкция D39.103, промт docs/POLYGON_EDITOR_WIRE_PROBE_SESSION_PROMPT.md).