Detector-learner Visibility: process difficulties and fixes (stations with fully missed labels examined, benchmark wait)
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
1 parent
9468b7e9ff
commit
dfd5eee12d
3 files changed
+7
-3
No files matched your search
@@ -29,7 +29,7 @@ Rien d'autre : ni les dossiers de station par un autre chemin (ni outils de lect
|
||||
|
||||
## 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.
|
||||
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. Examine aussi toute station où des étiquettes de la famille sont entièrement manquées (une station à cadence lâche pèse peu en instants), la plus touchée d'abord. 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 ; 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.
|
||||
|
||||
@@ -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`, 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.
|
||||
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 (2 à 3 min) se lance en arrière-plan, sortie dans un fichier, et tu attends sa fin avec l'outil d'attente de l'environnement s'il y en a un, sinon `wait` dans la même commande.
|
||||
|
||||
## Une suggestion, un commit
|
||||
|
||||
|
||||
Reference in new issue
Block a user