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:
maximeandClaude Opus 5.5 committed 2026-11-05 13:35:56 +01:00
1 parent 633493b00a
commit 1ced7667b1
6 files changed
+16 -13

No files matched your search

+4 -4
View File
@@ -182,13 +182,13 @@ Séance de référence des entrées ci-dessous : 2026-11-03T1249Z, NEBRASKA, lot
- **`CLAUDE.md` chargé d'office, que le critique ne doit pas lire** (2026-11-05, *contradiction*) : la consigne du critique interdit de lire `CLAUDE.md` (vérifié : `detectors-critic.md:28`) ; le `CLAUDE.md` du projet est pourtant chargé d'office dans son contexte. Il ne s'en est pas servi, selon l'agent. *En cause* : `.claude/agents/detectors-critic.md:28` (comparer l'entrée de `/aiguiser` « `vues-deplacements/CLAUDE.md` et l'état git injectés malgré `omitClaudeMd: true` »). *Occurrences* : DL5 critique. **traité** (2026-11-05 : la consigne du critique dit de ne pas s'en servir).
- **Parties 3 et 4 de la critique : « une ligne chacun » sur des stations à 144 événements** (2026-11-05, *format*) : la comparaison demande une ligne par événement, étiquette et défaut (vérifié : `detectors-critic.md:35`, tableau `:57-59`) ; le correctif de l'entrée traitée « Une ligne par étiquette et par événement : 224 étiquettes » n'allège que la partie 2 (`:33`, `:52`), pas les stations examinées des parties 3 et 4. Thermal displacement compte 81 étiquettes à NORDEND et 56 à JUNGFRAU (vérifié), pour 144 et 54 événements de la famille selon l'agent ; le critique a regroupé les épisodes quotidiens identiques et les étiquettes de même forme, et gardé une ligne par étiquette entièrement manquée ou par événement en trop. *En cause* : `.claude/agents/detectors-critic.md:35`, `:55-59`. *Occurrences* : DL6 critique.
- **Parties 3 et 4 de la critique : « une ligne chacun » sur des stations à 144 événements** (2026-11-05, *format*) : la comparaison demande une ligne par événement, étiquette et défaut (vérifié : `detectors-critic.md:35`, tableau `:57-59`) ; le correctif de l'entrée traitée « Une ligne par étiquette et par événement : 224 étiquettes » n'allège que la partie 2 (`:33`, `:52`), pas les stations examinées des parties 3 et 4. Thermal displacement compte 81 étiquettes à NORDEND et 56 à JUNGFRAU (vérifié), pour 144 et 54 événements de la famille selon l'agent ; le critique a regroupé les épisodes quotidiens identiques et les étiquettes de même forme, et gardé une ligne par étiquette entièrement manquée ou par événement en trop. *En cause* : `.claude/agents/detectors-critic.md:35`, `:55-59`. *Occurrences* : DL6 critique. **traité** (2026-11-05 : le critique groupe les événements du même jugement et de la même cause).
- **Dossier de travail : le scratchpad de la session, désigné d'office, contre `mktemp -d`** (2026-11-05, *contradiction*) : le critique a désormais son dossier (`mktemp -d`, vérifié : `detectors-critic.md:28`, correctif de l'entrée traitée « Dossier temporaire : le critique n'a pas de consigne ») ; il a pourtant travaillé dans le scratchpad, que l'environnement de Claude Code donne d'office à tout agent comme dossier temporaire et que se partagent la conversation et ses sous-agents. Selon l'agent, il contenait des fichiers d'autres séances, aux noms de stations ; il n'a relu que les sorties de ses propres commandes. *En cause* : `.claude/agents/detectors-critic.md:28` contre la consigne d'environnement du scratchpad (hors du dépôt). *Occurrences* : DL6 critique.
- **Dossier de travail : le scratchpad de la session, désigné d'office, contre `mktemp -d`** (2026-11-05, *contradiction*) : le critique a désormais son dossier (`mktemp -d`, vérifié : `detectors-critic.md:28`, correctif de l'entrée traitée « Dossier temporaire : le critique n'a pas de consigne ») ; il a pourtant travaillé dans le scratchpad, que l'environnement de Claude Code donne d'office à tout agent comme dossier temporaire et que se partagent la conversation et ses sous-agents. Selon l'agent, il contenait des fichiers d'autres séances, aux noms de stations ; il n'a relu que les sorties de ses propres commandes. *En cause* : `.claude/agents/detectors-critic.md:28` contre la consigne d'environnement du scratchpad (hors du dépôt). *Occurrences* : DL6 critique. **traité** (2026-11-05 : `mktemp -d`, ou un sous-dossier au nom de l'agent dans le dossier temporaire de la session).
- **Benchmark trop long pour une commande de premier plan** (2026-11-05, *commande*) : selon l'agent, `regression.py` prend plusieurs minutes, surtout LENZSPITZE (l'entrée traitée « `regression.py` ne mesure que les détecteurs du dépôt » disait environ 75 s), et ses commandes de premier plan passaient en arrière-plan au bout de 180 s ; il n'a pas d'option pour quelques stations (vérifié : `--seance` et `--etape` seulement, `regression.py:37-39`), alors que l'upgrader le relance pour chaque suggestion et chaque variante. L'upgrader a lancé les variantes en parallèle dans des copies et écrit un script du benchmark sur quelques stations ; sa boucle d'attente `until ! pgrep -f …` ne finissait pas, le motif figurant dans sa propre ligne de commande, et il a dû attendre sur le contenu des fichiers de sortie. *En cause* : `.claude/skills/detector-learner/regression.py:37-39` ; `.claude/agents/detectors-upgrader.md:53-55`, `:60` ; `.claude/skills/detector-learner/SKILL.md:32`. *Occurrences* : DL6 modification 1.
- **Benchmark trop long pour une commande de premier plan** (2026-11-05, *commande*) : selon l'agent, `regression.py` prend plusieurs minutes, surtout LENZSPITZE (l'entrée traitée « `regression.py` ne mesure que les détecteurs du dépôt » disait environ 75 s), et ses commandes de premier plan passaient en arrière-plan au bout de 180 s ; il n'a pas d'option pour quelques stations (vérifié : `--seance` et `--etape` seulement, `regression.py:37-39`), alors que l'upgrader le relance pour chaque suggestion et chaque variante. L'upgrader a lancé les variantes en parallèle dans des copies et écrit un script du benchmark sur quelques stations ; sa boucle d'attente `until ! pgrep -f …` ne finissait pas, le motif figurant dans sa propre ligne de commande, et il a dû attendre sur le contenu des fichiers de sortie. *En cause* : `.claude/skills/detector-learner/regression.py:37-39` ; `.claude/agents/detectors-upgrader.md:53-55`, `:60` ; `.claude/skills/detector-learner/SKILL.md:32`. *Occurrences* : DL6 modification 1. **traité** (2026-11-05 : `regression.py --stations A,B` pour un essai court ; le benchmark entier en arrière-plan ; `RACINE` normalisé dans `regression.py` et `score.py`).
- **Contrôle : la commande du journal à HEAD seulement, pas celle de la base** (2026-11-05, *consigne absente*) : pour comprendre une baisse, le contrôle compare le journal d'avant la séance à celui d'après ; sa demande ne donne que la commande du journal, qui tourne sur les détecteurs de HEAD (vérifié : `SKILL.md:37`, `detectors-control.md:14`, `:21`), et le worktree à la base de la séance n'est prévu que pour relancer le benchmark avant quand des données ont changé (`SKILL.md:17`). Le contrôle a extrait `detectors/`, `agent-tools/` et les scripts du skill au commit de base (`git archive c147816`) dans son dossier ; son premier essai, avec un lien vers `.claude/`, mesurait les détecteurs de HEAD : `RACINE` est `dirname(abspath(__file__))/../../..` sans `normpath` (vérifié : `regression.py:19`, `score.py:30`, quand `agent-tools/` normalise), et le `..` traverse le lien vers le dépôt réel. Il a copié les scripts au lieu du lien. *En cause* : `.claude/skills/detector-learner/SKILL.md:37` ; `.claude/agents/detectors-control.md:14`, `:21` ; `.claude/skills/detector-learner/regression.py:19`, `score.py:30`. *Occurrences* : DL6 validation 1.
- **Contrôle : la commande du journal à HEAD seulement, pas celle de la base** (2026-11-05, *consigne absente*) : pour comprendre une baisse, le contrôle compare le journal d'avant la séance à celui d'après ; sa demande ne donne que la commande du journal, qui tourne sur les détecteurs de HEAD (vérifié : `SKILL.md:37`, `detectors-control.md:14`, `:21`), et le worktree à la base de la séance n'est prévu que pour relancer le benchmark avant quand des données ont changé (`SKILL.md:17`). Le contrôle a extrait `detectors/`, `agent-tools/` et les scripts du skill au commit de base (`git archive c147816`) dans son dossier ; son premier essai, avec un lien vers `.claude/`, mesurait les détecteurs de HEAD : `RACINE` est `dirname(abspath(__file__))/../../..` sans `normpath` (vérifié : `regression.py:19`, `score.py:30`, quand `agent-tools/` normalise), et le `..` traverse le lien vers le dépôt réel. Il a copié les scripts au lieu du lien. *En cause* : `.claude/skills/detector-learner/SKILL.md:37` ; `.claude/agents/detectors-control.md:14`, `:21` ; `.claude/skills/detector-learner/regression.py:19`, `score.py:30`. *Occurrences* : DL6 validation 1. **traité** (2026-11-05 : le contrôle peut la lancer à la base, par un worktree dans son dossier de travail).
- **Suggestion laissée par l'upgrader : le contrôle ne lit pas où elle est dite** (2026-11-05, *contradiction*) : l'upgrader met une suggestion non gardée dans « Pas corrigé » (vérifié : `detectors-upgrader.md:22`, `:63` ; dans le rendu, S2 « laissée », `modification-1.md:109`) ; le contrôle ne lit que « Ce qui a changé » et « Pourquoi » (`detectors-control.md:18`, `detectors-upgrader.md:93`), où « Ce qui a changé » ne liste que les suggestions gardées (`detectors-upgrader.md:72`). Devant des benchmarks S1, S3 et S4, sans S2, le contrôle n'a pas su ce qu'était devenue S2 et a contrôlé ce qui est commité. *En cause* : `.claude/agents/detectors-upgrader.md:72`, `:93` contre `.claude/agents/detectors-control.md:18`. *Occurrences* : DL6 validation 1.