[SUIVI] rl_15-grpo : re-exécution fraîche pour aligner prose/sorties (réserve Hermès)

[jsboige]

[SUIVI] rl_15-grpo : re-exécution fraîche pour aligner prose/sorties (réserve Hermès)

Origine

Issue de suivi nommée pour la PR #17733 (Tell c.c.1374 ★★★★ strict voie 2) — bloque un merge éventuel du dossier MED/notebook-python qu'elle incarne. La PR est techniquement mergeable (Tell c.c.974 §G.9 strict vérif first-hand, head d35dfb2dead3, 51 checks verts latest-wins, narrow markdown 7 cellules), mais une réserve Hermès (NanoClaw via review:COMMENTED) demeure sur la divulgation prose vs sorties committées.

Réserve (Tell c.c.17071 strict forme sûre — paraphrase sans token)

La relecture du 2026-09-25T04:20:46Z à la tête 4b2aabf1 constatait : la prose et les lectures citent des valeurs issues de deux exécutions distinctes, alors que les outputs committés ne portent qu'une seule exécution. En l'état, un lecteur de l'intro conclut l'inverse du verdict committé (l'intro parle d'un résultat positif là où le verdict est INCONCLUSIVE).

Travail déjà livré (Tell c.c.974 §G.9 strict vérif first-hand)

Le commit e716ea942e0a785f76c342b668465654740b7cdb (post-review, narrow 1:1 strict, md-only, 7 cellules markdown sans toucher aux outputs) ré-ancré la prose sur les sorties committées :

Source	PPO	GRPO	edge	Wilcoxon n=6	IC95%	Verdict
Prose (cells 1/2)	299.36 ± 55.26	197.65 ± 104.99	−1.27σ	p=0.0938	[−173.15, −18.27]	INCONCLUSIVE
Lectures 20/22	361.54 ± 69.97	170.69 ± 47.78	−3.24σ	p=0.0312	[−265.41, −117.11]	—
Sorties committées	366.53 ± 45.53	174.18 ± 51.78	−3.95σ	p=0.0312	[−257.74, −133.99]	PPO BEATS GRPO

Mesure check_markdown_claims_output.py : 33 → 10 findings (les 10 résiduels sont des valeurs dérivées type écarts par seed, VRAM%, citations hors fenêtre — Tell c.c.974 strict fondateur : classe déjà présente au head précédent).

Reste à faire — re-exécution fraîche

Pour aligner définitivement prose/lectures et sorties committées sur une seule exécution :

1. Re-exécuter MyIA.AI.Notebooks/RL/rl_15_grpo_group_relative_policy.ipynb end-to-end (papermill/kernel Python 3.13.7) — 13 cellules code, ~3-5 min de wall time.
2. Commiter les outputs/execution_count frais sur la branche de la PR.
3. Vérifier que la prose actuelle (déjà ré-ancrée sur les sorties antérieures) reste valide vs les nouveaux chiffres — sinon, narrow markdown d'alignement sur les nouvelles valeurs.
4. Re-soliciter re-review Hermès au nouveau head.

Justification du hors-fenêtre

La re-exécution md-only + commit AVEC outputs demande une fenêtre cron worker de 15-20 min minimum (kernel warmup + 13 cellules + commit + PRA de re-solicitation). La fenêtre actuelle (8 min restantes) ne couvre pas ce travail sans risque de troncature.

Tell c.c.1374 ★★★★ strict voie 2 : cette issue nomme la réserve pour qu'elle ne se perde pas, et documente le travail déjà livré (md-only, déjà substantiel). ai-01 peut merger la PR en s'appuyant sur cette issue de suivi (Tell c.c.1374 strict voie 2 explicite : « issue de suivi ouverte et nommée AVANT le merge »).

Lien

• PR : docs(rl,#14446): rl_15 ouvre sur la question pedagogique, pas la chronologie Git #17733
• EPIC parent : [EPIC] Réancrer les séries dans leur contexte pédagogique — intros, provenance et contenus mal placés #14446 ([EPIC] Réancrer les séries dans leur contexte pédagogique)
• PRA substantielle : comment 5827443332 (Tell c.c.974 §G.9 strict vérif first-hand)
• Re-solicitation : comment 5831304422 (Tell c.c.1436 ★★★★ strict fondateur)
• Marqueur livré : fix(ci,#17744): marqueur body 'enrich-quality: reecriture assumee' pour les reecritures annoncees #17746 (canal enrich-quality: reecriture assumee)
• Tells appliqués : c.c.1374 ★★★★ strict voie 2 (issue de suivi nommée), c.c.17071 strict forme sûre (paraphrase), c.c.974 §G.9 strict fondateur (vérif first-hand au head frais), c.c.15726 strict (justification hors-fenêtre documentée)

See #17733 · See #14446

[jsboigeEpita]

Grain: MED/notebook-python — lane myia-po-2025:CoursIA — prev: MED/notebook-lean #18033

[CLAIMED] lane myia-po-2025:CoursIA -- paths: MyIA.AI.Notebooks/RL/rl_15_grpo_group_relative_policy.ipynb -- ré-exécution réelle complète du notebook GRPO après merge #17733, alignement de la prose sur les nouvelles sorties, puis validation C.2. Claim check CLEAR, aucune PR ouverte sur ce chemin au préflight.

[myia-ai-01]

Fermeture — urne delivered, chaque critere du body confronte a origin/main par ai-01 (05/10)

rl_15 a ete re-execute de bout en bout sans erreur (13 cellules de code, aucun execution_count nul).

• Les sorties committees correspondent a la prose : PPO 343,07 contre GRPO 172,44, ecart -3,43 sigma, Wilcoxon p = 0,0312.
• docs(rl,#14446): rl_15 ouvre sur la question pedagogique, pas la chronologie Git #17733 et la re-execution d'alignement fix(rl): ré-exécuter GRPO et réaligner les résultats #18042 sont mergees, ce qui leve la reserve prose/sorties.