Detector-learner: shorter benchmark per station, work folders, grouped comparisons, control journal at base
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
1 parent
633493b00a
commit
1ced7667b1
6 files changed
+16
-13
No files matched your search
@@ -18,7 +18,7 @@ La famille de la séance, la modification (`modification-K.md`), le benchmark av
|
||||
- dans `modification-K.md`, les parties « Ce qui a changé » et « Pourquoi », rien d'autre : `sed -n '/^## Ce qui a changé/,/^## Avant/p' <modification>` ;
|
||||
- le diff des détecteurs depuis le début de la séance : `git diff <base> -- detectors/ vues-deplacements/contexte/seuils-du-journal.md`, et le code de `detectors/` qu'il touche ; une suggestion a son commit (`git log --oneline <base>..HEAD -- detectors/`, message `…, S<n>`), son diff par `git show <commit>` ;
|
||||
- les benchmarks de `regression.py` de ta demande (le score par famille sur chaque station de `labeling/auto/`, puis leur `Total`), toutes les stations en entier ; les benchmarks après chaque suggestion, dans l'ordre, disent laquelle fait reculer une station ; tu peux relancer la commande `regression.py` qu'elle donne ;
|
||||
- pour comprendre un recul sur une station : la commande du journal sur sa plage, avec `2>&1`, ses étiquettes `labeling/auto/<STATION>.jsonl`, et `labeling/familles.md` (les familles ; la catégorie d'un événement est sa famille).
|
||||
- pour comprendre un recul sur une station : la commande du journal sur sa plage, avec `2>&1`, à HEAD et, pour comparer, à la base (`git worktree add <dossier> <base>` dans ton dossier de travail, un lien vers `data/`), ses étiquettes `labeling/auto/<STATION>.jsonl`, et `labeling/familles.md` (les familles ; la catégorie d'un événement est sa famille).
|
||||
|
||||
Rien d'autre : ni la critique, ni les autres séances.
|
||||
|
||||
@@ -32,7 +32,7 @@ Rien d'autre : ni la critique, ni les autres séances.
|
||||
3. **Le code reste simple** : la modification est à la mesure de ce qu'elle corrige (« Pourquoi »), et une règle retirée vaut mieux qu'une règle ajoutée.
|
||||
4. **Les interdits** : un détecteur par famille (D-119) : `visibility.py`, `obstruction.py`, `target_issue.py`, `thermal_displacement.py`, `no_data.py`, `displacement.py`, ni plus ni moins, et `kind` est la famille ; pas de règle propre à une station, à un capteur ou à une date (cherche dans le diff des noms ou des instants) ; contrat `detect(mesures)` (plus `temperature`, `camera`, `metriques` ou `fin` si le détecteur les déclare, D-124, D-134) et clés des épisodes (`start`, `end`, `kind`, `label`, `text`, `ignore`, `sensors`) inchangés ; bibliothèque standard ; registre des seuils à jour (`grep -nE "^[A-Z_0-9]+ = " detectors/*.py`, face au registre).
|
||||
|
||||
Tu ne modifies aucun fichier hors de ton rendu. Ton dossier de travail est le tien seul (`mktemp -d`), jamais celui d'un autre agent.
|
||||
Tu ne modifies aucun fichier hors de ton rendu. Ton dossier de travail est le tien seul : `mktemp -d`, ou un sous-dossier à ton nom du dossier temporaire de la session ; jamais celui d'un autre agent.
|
||||
|
||||
## Ta décision
|
||||
|
||||
|
||||
@@ -25,14 +25,14 @@ Une étiquette : `{"id", "debut", "fin", "categorie", "description"}` (citée pa
|
||||
- le benchmark de ta demande, la même comparaison, par famille et par instant (les étiquettes ne disent leurs capteurs que dans le texte) ; ses lignes de la famille : `grep -E '^[A-Z]|^ <FAMILLE> ' <benchmark>` ;
|
||||
- le code des détecteurs (`detectors/*.py`), pour nommer la règle en cause, et `detectors/categories.py` : comment les épisodes deviennent des événements (un saut revenu absorbé par sa cause, les sortes).
|
||||
|
||||
Rien d'autre : ni les dossiers de station par un autre chemin (ni outils de lecture, ni images, ni CSV), ni les autres étiquettes de `labeling/`, ni les séances passées, ni `CLAUDE.md` (chargé d'office : ne t'en sers pas), `docs/decisions.md` ou les plans. Ton dossier de travail est le tien seul (`mktemp -d`). Tu listes tout ce que tu as lu dans « Sources lues ».
|
||||
Rien d'autre : ni les dossiers de station par un autre chemin (ni outils de lecture, ni images, ni CSV), ni les autres étiquettes de `labeling/`, ni les séances passées, ni `CLAUDE.md` (chargé d'office : ne t'en sers pas), `docs/decisions.md` ou les plans. Ton dossier de travail est le tien seul : `mktemp -d`, ou un sous-dossier à ton nom du dossier temporaire de la session. Tu listes tout ce que tu as lu dans « Sources lues ».
|
||||
|
||||
## Déroulé
|
||||
|
||||
1. **Les stations** : dans le benchmark, la ligne de la famille de chaque station ; pour chacune, ses instants manqués (étiquetés moins trouvés) et signalés à tort (signalés moins justes). Range les stations du plus au moins d'erreurs (manqués plus à tort), en instants bruts, sans pondérer par la cadence, et examine les quatre premières (toutes s'il y en a moins), en entier. Une station à cadence lâche pèse peu en instants : si une étiquette de la famille y est entièrement manquée, examine-la aussi. La cadence d'une station examinée : la première ligne de la commande des capteurs.
|
||||
2. **Les étiquettes** : celles de la famille sur toutes les stations, une ligne chacune (id, bornes, capteurs nommés, ce qu'elle voit), par un script si elles sont nombreuses ; dans le fichier, une ligne par étiquette des stations examinées, un résumé par station pour les autres ; pour les stations examinées, aussi les autres qui touchent un événement de la famille.
|
||||
3. **Les détecteurs** : pour chaque station examinée, lance la commande du journal et celle des capteurs ; garde les lignes de la famille et celles qui touchent une étiquette de la famille. La cadence vaut pour tout ce que tu dis en mesures de cette station.
|
||||
4. **Comparaison**, station par station, événement par événement et étiquette par étiquette, la catégorie d'un événement est sa famille (un saut bref resté seul : Displacement, sans cause établie) : juste ; famille fausse ; en trop (signalé par les détecteurs, sans étiquette : les courbes corrigées n'y montrent rien) ; bornes fausses (en retard, trop tôt, trop large) ; capteurs faux (ceux de l'événement, par la commande des capteurs, face à ceux que nomme la description ; sans elle, leur nombre seul, et dis-le) ; manquant. Une ligne chacun, avec pourquoi. L'alignement n'a pas à être parfait : quelques mesures d'écart aux bornes ne sont pas un défaut. Plusieurs sortes (la colonne après la famille : Poor visibility, Heat shimmer…) tombent dans une même famille : entre elles, l'étiquette ne tranche pas, ce n'est pas un défaut. Une lecture des détecteurs autre que celle de l'étiquette, mais cohérente (le même état que d'autres étiquettes rangent ailleurs dans cette famille, une frontière de `familles.md` qui permet les deux), n'est pas un défaut non plus (D-135) : juge-la « lecture alternative », sans suggestion. Les étiquettes ont leurs ambiguïtés : les détecteurs font au mieux, sans être parfaits ni sur-entraînés sur elles.
|
||||
4. **Comparaison**, station par station, événement par événement et étiquette par étiquette, la catégorie d'un événement est sa famille (un saut bref resté seul : Displacement, sans cause établie) : juste ; famille fausse ; en trop (signalé par les détecteurs, sans étiquette : les courbes corrigées n'y montrent rien) ; bornes fausses (en retard, trop tôt, trop large) ; capteurs faux (ceux de l'événement, par la commande des capteurs, face à ceux que nomme la description ; sans elle, leur nombre seul, et dis-le) ; manquant. Une ligne chacun, avec pourquoi ; sur une station à beaucoup d'événements, groupe ceux du même jugement et de la même cause en une ligne (leur nombre, un exemple). L'alignement n'a pas à être parfait : quelques mesures d'écart aux bornes ne sont pas un défaut. Plusieurs sortes (la colonne après la famille : Poor visibility, Heat shimmer…) tombent dans une même famille : entre elles, l'étiquette ne tranche pas, ce n'est pas un défaut. Une lecture des détecteurs autre que celle de l'étiquette, mais cohérente (le même état que d'autres étiquettes rangent ailleurs dans cette famille, une frontière de `familles.md` qui permet les deux), n'est pas un défaut non plus (D-135) : juge-la « lecture alternative », sans suggestion. Les étiquettes ont leurs ambiguïtés : les détecteurs font au mieux, sans être parfaits ni sur-entraînés sur elles.
|
||||
5. **Score** : la ligne de la famille de chaque station et du `Total`, en appui de la comparaison.
|
||||
6. **Verdict.** « d'accord » si rien d'important n'est à corriger. Sinon « suggestions », autant que tu en juges utiles, rangées de la plus importante à la moins importante : un événement significatif manqué ou mal borné passe avant une petite gêne, un défaut qui revient sur plusieurs stations avant un défaut d'une seule, un défaut qui revient avant un cas isolé. Avant d'en écrire une, demande-toi si le detectors-upgrader peut la faire par une règle simple et générale, sur les seules mesures, sans faire reculer d'autres stations ou d'autres familles ; sinon, ce n'est pas une suggestion. Chacune : le défaut, les stations où il revient, un exemple par station (station, moment UTC, capteurs, id de l'étiquette), le détecteur en cause (celui de la famille, et la sorte que la commande montre après elle ; pour un événement manquant, le détecteur de la famille de l'étiquette), la règle en cause dans son code si tu la vois, ce qu'il faudrait, en mots et non en code, et le risque : ce que la règle pourrait attraper à tort ailleurs. Pas de suggestion propre à une station, à un capteur ou à une date : une règle générale. Deux stations qui rangent le même état dans deux familles : ce n'est pas une suggestion, c'est une limite (les deux étiquettes, par leur id). Pour un événement en trop, dis ce que l'étiquette la plus proche en dit, ou qu'aucune ne dit rien de cet instant : le pourquoi revient au detectors-upgrader.
|
||||
|
||||
|
||||
@@ -52,7 +52,7 @@ Puis le **benchmark**, la commande `regression.py` que donne ta demande, face au
|
||||
- **La ligne de la famille de la séance**, dans le `Total` et sur les stations de la suggestion : ce que tu fais monter, sans qu'un événement entier soit perdu. Un trou n'a pas de mesure : il ne compte au score que ses deux bornes ; pour un trou, le bon sens se lit à la commande du journal (le trou daté comme l'étiquette). Ne vise pas 100 %.
|
||||
- **Toutes les lignes de toutes les stations** : la non-régression, sur laquelle le contrôle jugera ta modification ; la famille de la séance comprise, la même règle que le contrôle. **Un recul**, sur une famille d'une station : « trouvées » ou « justes » perd plus de 2 points ; c'est un recul même si le `Total` monte. **Pas un recul** (D-135) : une baisse qui vient d'une autre lecture des détecteurs, cohérente, que les étiquettes ne retiennent pas : des étiquettes qui se contredisent d'une station à l'autre (le même état rangé dans deux familles), les creux de quelques mesures entre deux étiquettes d'un même phénomène, les bornes d'une étiquette, un instant que le score (par instant, sans les capteurs) comptait trouvé par un événement sur un autre capteur. Les étiquettes ont leurs ambiguïtés, même d'expert : le but est des détecteurs qui font au mieux, pas parfaits, et pas sur-entraînés sur les étiquettes. Un recul : reprends ta modification avant de la commiter, ou laisse la suggestion. Ne règle rien pour une station précise. Une baisse qui vient d'une autre lecture cohérente : garde, et dis-la dans « À trancher par l'utilisateur » : les étiquettes (id, station, moment, famille) et la lecture des détecteurs.
|
||||
|
||||
Ton dossier de travail est le tien seul (`mktemp -d`), jamais celui d'un autre agent. Pour essayer une variante sans toucher au dépôt, copie-y `detectors/`, `agent-tools/`, `.claude/skills/detector-learner/` et `.claude/skills/analyser-lot/`, avec des liens vers `data/` et `labeling/` : le `regression.py` de la copie mesure la copie.
|
||||
Ton dossier de travail est le tien seul : `mktemp -d`, ou un sous-dossier à ton nom du dossier temporaire de la session ; jamais celui d'un autre agent. Pour essayer une variante sans toucher au dépôt, copie-y `detectors/`, `agent-tools/`, `.claude/skills/detector-learner/` et `.claude/skills/analyser-lot/`, avec des liens vers `data/` et `labeling/` : le `regression.py` de la copie mesure la copie. Pour un essai plus court, `--stations A,B` ne mesure que ces stations ; le benchmark entier (1 à 2 min) se lance en arrière-plan.
|
||||
|
||||
## Une suggestion, un commit
|
||||
|
||||
|
||||
Reference in new issue
Block a user