Skip to content

audit(notebooks): 42 nombres de prose que les sorties démentent, 28 notebooks (audit du 27/09, 2e passe) #18144

Open
Open
audit(notebooks): 42 nombres de prose que les sorties démentent, 28 notebooks (audit du 27/09, 2e passe)#18144
Labels
candidate-deliveredReferenced by a merged PR with no post-merge activity -- candidate for close triage (#10466)

Description

@myia-ai-01
myia-ai-01
opened on Sep 27, 2026

Contexte

Deuxième passe de l'audit du 27/09 (flotte haiku, lecture seule) : les nombres cités dans la prose des notebooks sont-ils portés par une sortie de cellule du même notebook ? La première passe a donné #18058. Celle-ci a jugé 135 notebooks de main qui n'étaient ni dans #18058 ni dans #18124, ni touchés par une PR ouverte. 1627 nombres ont été jugés, et un sceptique par notebook a tenté de réfuter chaque écart.

42 constats survivent, sur 28 notebooks. Deux contrôles d'ai-01 les ont filtrés :

  • Un contrôle mécanique sur main (tête 4ff9572879). Pour chaque constat : les nombres cités sont bien dans la cellule de prose nommée ; au moins l'un d'eux n'apparaît dans aucune sortie du notebook ; les valeurs de sortie citées y figurent bien. Six cas ne se tranchaient pas ainsi (nombres à un chiffre, ou valeur présente ailleurs par coïncidence) : ils ont été lus directement et sont listés ci-dessous.
  • Une lecture directe des cas limites. Deux constats écartés comme faux positifs :
    • GameTheory-14-DifferentialGames c.50 : 1519, +112 et −394 sont les arrondis exacts de 1518,75, 1012,5−900 et 506,25−900 ;
    • App-10b-Portfolio-CSharp c.17 : les chiffres sont cohérents avec la sortie.
      Et un constat reclassé : DecInfer-09-Lean-Gittins c.7 (voir plus bas).

Lus firsthand par ai-01 (CONFIRMED) :

  • GenAI/Texte/10_LocalLlama.ipynb c.29 : le tableau donne 164 et 174 tokens pour cloud-gpt5.2 et openweight-llama4. La cellule [28] imprime Nb tokens: 202 pour gpt-5.2 et 184 pour local-mini-v2 : ce ne sont ni les mêmes valeurs, ni les mêmes endpoints.
  • SymbolicAI/Lean/Lean-10-LeanDojo.ipynb c.32 : la prose annonce 27 360 théorèmes, dont 27 358 de la stdlib. La cellule [31] imprime Total dans le depot: 2 theoremes.
  • GenAI/PostTraining/PT_11c_grpo_qwen17_rlvr.ipynb c.24 : « médiane 2627 s ». Sur les quatre temps imprimés (2523, 2546, 2622, 2817), 2627 est la moyenne, et la médiane vaut 2584 s.
  • Probas/DecisionTheory/DecInfer/DecInfer-09-Lean-Gittins.ipynb c.7, reclassé : 9,9997, 18,46 et 39,5 sont mathématiquement justes, mais aucune cellule ne les calcule. La sortie imprime d'autres horizons (50, 20 et 100 termes). À corriger en ajoutant l'évaluation qui les produit, ou en réalignant le tableau sur les horizons calculés.
  • Lean-16c-Conway-Game-of-Life-Golly c.29 (107 jours annoncés, 93,2 jours imprimés) et 02-1-Chatterbox-TTS c.14 (~2-3 s et ~3-4x annoncés, 8,37 s et 1,0x imprimés) : ce sont des temps d'exécution figés dans la prose. Chatterbox le déclare « machine-dep », mais le ratio temps réel contredit la sortie.

Tout le reste est à re-vérifier avant correctif (.claude/rules/audit-reassessment.md) : le contrôle mécanique garantit que les nombres cités existent, pas que l'écart soit une faute.

Comment prendre une tranche

  • Un claim par notebook (ou par série) : [CLAIMED] lane <machine:workspace> -- paths: MyIA.AI.Notebooks/<chemin>.
  • Une dérive de nombre de perf, d'accuracy, de temps ou de rendement ne se corrige pas en réalignant la prose à la main quand le notebook est re-exécutable localement (règle F). Il faut une ré-exécution fraîche, puis réancrer la prose sur les sorties produites. Le body de la PR porte la section ## Diagnostic dérive : cause a à e, et verdict CAUSE_FIXED, CAUSE_DOCUMENTED_ONLY ou CAUSE_INTRINSIC (C.4). Les quantbooks QuantConnect s'exécutent sur QC Cloud.
  • Un temps d'exécution ne s'écrit pas en dur dans la prose. Soit la prose renvoie à la sortie (« voir la sortie ci-dessus »), soit elle donne un ordre de grandeur déclaré machine-dépendant et compatible avec la sortie committée.
  • Une affirmation sans sortie productrice se corrige de deux façons : ajouter le code qui la produit, ou réécrire la phrase pour ne plus présenter le nombre comme une mesure de ce notebook, en citant sa source s'il vient d'ailleurs.
  • Aucune sortie éditée à la main.
  • Pour chaque ligne, le body de la PR indique CONFIRMED (corrigé) ou FALSE POSITIVE (avec le motif).

Constats, par série

GameTheory (2)

Notebook Cellule Verdict Prose Ce que disent les sorties
GameTheory/GameTheory-15-CooperativeGames.ipynb 15 DRIFT Monte Carlo gagne meme en temps (0.17s contre 0.35s) Temps exact: 0.223s\nTemps Monte Carlo (10k samples): 0.115s
GameTheory/SocialChoice/01-Arrow-Impossibility-Theorem-Csharp.ipynb 23 DRIFT et la section 1.2 a mesuré 492 violations IIA pour Borda (contre 2568 pour la Pluralité) Violations IIA (enumeration exhaustive, 216^2 paires de profils) : Borda : 1656 violations ... Pluralite : 3312 violations

GenAI/Audio (4)

Notebook Cellule Verdict Prose Ce que disent les sorties
GenAI/Audio/01-Foundation/01-3-Basic-Audio-Operations.ipynb 14 DRIFT 3.0102 dB invariants au gain Sinusoïde gain 1.00 : 3.0103 dB (théorie 3.0103 dB)
GenAI/Audio/02-Advanced/02-1-Chatterbox-TTS.ipynb 5 DRIFT GPU detection / Verifier disponibilite CUDA / RTX 3090, 24 GB VRAM GPU : NVIDIA GeForce RTX 3080 Ti Laptop GPU (16.0 GB VRAM)
GenAI/Audio/02-Advanced/02-1-Chatterbox-TTS.ipynb 14 DRIFT (lu ai-01) Temps generation / runtime machine-dep : ~2-3 secondes (GPU) ... / Ratio temps reel / ~3-4x Temps de generation : 8.37s / Ratio temps reel : 1.0x
GenAI/Audio/02-Advanced/02-1-Chatterbox-TTS.ipynb 20 DRIFT / 0.0 / ~6.8 / runtime machine-dep : ~2.1 / ~3.2x / Reference neutre / Exaggeration = 0.0 ... Duree : 5.0s / Temps : 4.33s

GenAI/PostTraining (1)

Notebook Cellule Verdict Prose Ce que disent les sorties
GenAI/PostTraining/PT_11c_grpo_qwen17_rlvr.ipynb 24 DRIFT (lu ai-01) médiane 2627 s (43,8 min) t_train=2523s, t_train=2546s, t_train=2622s, t_train=2817s

GenAI/SemanticKernel (1)

Notebook Cellule Verdict Prose Ce que disent les sorties
GenAI/SemanticKernel/04-SemanticKernel-Filters-Observability.ipynb 24 DRIFT / 08:07:55.813 / kernel_prompt_template / "Extracting blocks from template" / ... / 08:07:56.216 / kernel_function / "Function completed. Duration: 0.400880s" / ... Tokens consommés : 16 tokens prompt + 3 tokens completion = 19 to 2026-09-10 22:50:05,733 - ... Extracting blocks from template: Dis bonjour a {{$name}} en francais. ... 2026-09-10 22:50:06,936 - semantic_kernel.functions.kernel_function - INFO - Function completed.

GenAI/Texte (7)

Notebook Cellule Verdict Prose Ce que disent les sorties
GenAI/Texte/09_Production_Patterns.ipynb 7 DRIFT Les tokens d'entrée augmentent avec la taille de l'historique (110 tokens input au second tour, qui inclut tout le contexte accumulé). Tokens utilisés: 133 input / 148 output
GenAI/Texte/09_Production_Patterns.ipynb 17 DRIFT / Tokens output / 311 / 415 / / Coût / $0.000189 / $0.000252 / === Test 1 === Tokens: 17 in / 324 out Coût estimé: $0.000197 === Test 2 === Tokens: 18 in / 391 out Coût estimé: $0.000237
GenAI/Texte/09_Production_Patterns.ipynb 31 DRIFT Test 1 : 17 input / 311 output ≈ $0.000189 ; Test 2 : 18 input / 415 out ≈ $0.000252 === Test 1 === Tokens: 17 in / 324 out Coût estimé: $0.000197 === Test 2 === Tokens: 18 in / 391 out Coût estimé: $0.000237
GenAI/Texte/09_Production_Patterns.ipynb 36 DRIFT 2026-06-19 19:48:38 / OpenAI_Production / INFO / SUCCESS / Model: gpt-5-mini / Duration: 7.68s / Tokens: 696 (in: 11, out: 685) SUCCESS / Model: gpt-5-mini / Duration: 10.63s / Tokens: 638 (in: 11, out: 627)
GenAI/Texte/10_LocalLlama.ipynb 14 DRIFT 340 modèles 132 modèles (3 affichés)
GenAI/Texte/10_LocalLlama.ipynb 29 DRIFT (lu ai-01) cloud-gpt5.2 (gpt-5.2) / 164 Nb tokens: 202
GenAI/Texte/11_Quantization.ipynb 16 DRIFT / Perplexite (5 prompts) / 36.51 / 37.51 / 54.70 / ... / Delta perplexite vs BF16 / -- / +2.7 % / +49.8 % / bf16 1.505 1.505 36.62 12.6 ... int8 1.052 1.007 37.51 3.1 ... int4 0.814 0.758 54.14 8.1 ... Perpl

GenAI/Video (3)

Notebook Cellule Verdict Prose Ce que disent les sorties
GenAI/Video/01-Foundation/01-4-Video-Enhancement-ESRGAN.ipynb 10 DRIFT Le ratio de taille est ~2.1×, cohérent avec le ratio de pixels entre HR (76800) et LR (~20480) après la compression H.264. Video HR sauvegardee : reference_hr.mp4 (36.4 KB); Video LR sauvegardee : input_lr.mp4 (17.1 KB)
GenAI/Video/02-Advanced/02-4-SVD-Image-to-Video.ipynb 12 DRIFT VRAM pic / 10.8 GB VRAM pic : 10.9 GB
GenAI/Video/02-Advanced/02-4-SVD-Image-to-Video.ipynb 14 DRIFT 40 (subtil) / 12.27 ... 10.8 GB / 127 (normal) / 13.31 ... 10.8 GB / 200 (fort) / 11.38 ... 10.8 GB Subtil (40) 12.29 10.9 / Normal (127) 13.30 10.9 / Fort (200) 11.37 10.9

IIT/ICT-Series (3)

Notebook Cellule Verdict Prose Ce que disent les sorties
IIT/ICT-Series/ICT-15j-NerveDiscriminant.ipynb 9 DRIFT / grokking / 0 / 0.0453 / 1 / ... axelrod_repl sature son nerf (3 654 triangles : quasi toutes les fenêtres mutuellement à distance ≤ ε) grokking / 0 / 0.1100 / 2 / 241 / 1021\naxelrod_repl / 0 / 0.0000 / 0 / 435 / 4060
IIT/ICT-Series/ICT-15j-NerveDiscriminant.ipynb 20 DRIFT / grokking / NON_TRIVIAL / 0.0453 / borderline / grokking / 0 / 0.1100 / 2
IIT/ICT-Series/ICT-Dissociation-PhatSelfReference.ipynb 16 DRIFT le ratio n'atteint que 4.37 en T = 200 pas T= 200 : ratio median = 4.487

ML/DataScienceWithAgents (1)

Notebook Cellule Verdict Prose Ce que disent les sorties
ML/DataScienceWithAgents/02-ML-Cours/2.11-Regularisation-Sparse-LASSO.ipynb 27 DRIFT ElasticNet suit Lasso a +-0.007 pres max abs = 0.002

Probas/DecisionTheory (4)

Notebook Cellule Verdict Prose Ce que disent les sorties
Probas/DecisionTheory/DecInfer/DecInfer-01-Utility-Foundations.ipynb 29 UNSUPPORTED 3691 EUR ... prime maximale acceptable Exercice 2 a completer : calibration de l'utilite pour decision d'assurance
Probas/DecisionTheory/DecInfer/DecInfer-09-Lean-Gittins.ipynb 7 UNSUPPORTED (lu ai-01) / 0.9 / 10.0 / 9.95 / 9.9997 / / 0.95 / 20.0 / 18.46 / 19.87 / / 0.99 / 100.0 / 39.5 / 63.4 / discountedSum 0.9 (constantRewards 50) ≈ 9.948462; discountedSum 0.95 (constantRewards 20) ≈ 12.830282; discountedSum 0.95 (constantRewards 100) ≈ 19.881589; discountedSum 0.99 (constantRewards 100) ≈ 63.396766
Probas/DecisionTheory/DecInfer/DecInfer-09-Lean-Gittins.ipynb 15 DRIFT / 1, 1 (uniforme) / 0.50 / 0.41 / eleve / gittinsIndexBernoulliApprox 1 1 0.9 = 3.098076
Probas/DecisionTheory/DecPyMC/DecPyMC-8-Actuarial-Credibility.ipynb 11 DRIFT / A-jeunes / 0.040 / 0.083 / [0.042, 0.126] / theta[0] 0.083 0.023 0.041 0.13

QuantConnect/Python (2)

Notebook Cellule Verdict Prose Ce que disent les sorties
QuantConnect/Python/QC-Py-19-ML-Supervised-Classification.ipynb 36 DRIFT XGBoost obtient Accuracy 0.7988, Precision 0.7015, Recall 0.7833, F1 0.7402, ROC AUC 0.8609 sur le meme test set que le Random Forest. Accuracy: 0.8049 / Precision: 0.7059 / Recall: 0.8000 / F1 Score: 0.7500 / ROC AUC: 0.8603
QuantConnect/Python/QC-Py-22-Deep-Learning-LSTM.ipynb 48 UNSUPPORTED MSE 2.0533, RMSE 1.4329, MAE 1.4144, Direction Accuracy 54.78 % ... iTransformer avait la meilleure convergence sur le train (0.0052) et une val loss respectable (0.016) ... son MSE test (2.0533) est **~2 no cell prints it; cell 45/46/47 are # Implementation deplacee / Note de transition stubs; no iTransformer training or test code exists in QC-Py-22

Search/Applications (2)

Notebook Cellule Verdict Prose Ce que disent les sorties
Search/Applications/Hybrid/App-10b-Portfolio-CSharp.ipynb 11 UNSUPPORTED rejoint exactement l'optimum de la grille fine (0,0764, 194 481 evaluations) Optimum grille (référence, pas 0.05) : fitness 0,0764
Search/Applications/Hybrid/App-13-TSP-Metaheuristics.ipynb 16 DRIFT le notebook utilise un schema geometrique T(t) = T_init * alpha^t avec alpha = 0.9995. Apres 10 000 iterations, T ≈ T_init * 0.9995^10000 ≈ T_init * 0.0067. Si T_init = 100, on termine a T ≈ 0.67 def simulated_annealing_tsp(..., alpha: float = 0.995, ...); Solution SA: 386.43 / Temps: 0.95s

Search/Part2-CSP (2)

Notebook Cellule Verdict Prose Ce que disent les sorties
Search/Part2-CSP/CSP-6-Hybridization.ipynb 4 DRIFT / 8 / ~0,01 s / 154 / 6 / 3.9% / / 14 / ~0,02 s / 1626 / 57 / 3.5% / 8 / 0.0779 / 147 / 11 / SOLVED / 14 / 0.0308 / 1608 / 57 / SOLVED
Search/Part2-CSP/CSP-6-Hybridization.ipynb 20 DRIFT / 1 / ~0,005 s / 1.0x / Reference / / 2 / ~0,006 s / 0.82x / Plus lent (overhead) / / 4 / ~0,007 s / 0.71x / Encore plus lent / 1 / 0.0126 / Oui / 2 / 0.0301 / Oui / 4 / 0.0151 / Oui

Sudoku (3)

Notebook Cellule Verdict Prose Ce que disent les sorties
Sudoku/Sudoku-14-BDD-Csharp.ipynb 32 UNSUPPORTED Temps de résolution : moins d'une milliseconde sur le puzzle facile testé ... la durée wall-clock (0,46 ms) est machine-dépendante par construction ... La tendance qualitative (ordre de grandeur < 1 ms sur grille Solution trouve en 1,27 ms :
Sudoku/Sudoku-16-NeuralNetwork-Python.ipynb 41 DRIFT / Configuration / Precision/case (vides) / Precision/grille / Grilles OK /\n/ MLP iteratif / 64.2% / 9.0% / 18/200 /\n/ CNN direct / 43.9% / 0.0% / 0/10000 /\n/ CNN iteratif / 49.0% / 0.0% / 0/200 /\n/ ResCNN iteratif / 67.9% / 16 MLP iteratif 63.8% 7.5% 15/200\nCNN direct 44.3% 0.0% 0/10000\nCNN iteratif 46.9% 0.0% 0/200\nRes
Sudoku/Sudoku-16-NeuralNetwork-Python.ipynb 52 UNSUPPORTED / MLP h200_l2 / MLP / 349K / 36.5% / 0% / Vanilla (40 epochs) / / CNN h72_l7 / CNN / 335K / 44.6% / 0% / Vanilla (40 epochs) / / CNN h64_l8 / CNN / 303K / 45.5% / 0.0% / Vanilla (40 epochs) / / RRN h192_s16 ( no cell prints these RRN/GPU values

SymbolicAI/Argument_Analysis (3)

Notebook Cellule Verdict Prose Ce que disent les sorties
SymbolicAI/Argument_Analysis/Argument_Analysis_Recollement_Strate6.ipynb 29 DRIFT Le taux d'incompatibilité moyen mesuré est 49,7 % taux d'incompatibilite moyen (paires, hors diagonale) = 50.5%
SymbolicAI/Argument_Analysis/Argument_Analysis_Recollement_Strate6.ipynb 39 DRIFT la glue apprise bat le meilleur spécialiste seul : 56,6 % contre 49,7 % (+6,9 points) ... La majorité brute est nuisible sur la zone disputée (45,2 %) ... borne supérieure affichée (oracle 75,7 % sur la zone disputée) GLU apprise (OOF) ... 56.3% / SPEC GRAPH seul ... 49.0% / R1 majorite brute ... 44.0% / ORACLE (borne sup) ... 76.1%
SymbolicAI/Argument_Analysis/Argument_Analysis_Recollement_Strate6.ipynb 53 DRIFT la glue apprise bat le meilleur spécialiste seul sur la sous-population disputée (56,6 % contre 49,7 %, +6,9 points) ... majorité brute est nuisible (45,2 %) ... taux d'incompatibilité moyen 49,7 % ... oracle 75, GLU 56.3%, SPEC 49.0%, R1 44.0%, ORACLE 76.1% (cell 36); RDF test acc (revendique) = 0.348, STRUCT test acc = 0.400 (cells 26, 20)

SymbolicAI/Lean (4)

Notebook Cellule Verdict Prose Ce que disent les sorties
SymbolicAI/Lean/Lean-10-LeanDojo.ipynb 26 DRIFT Cache LeanDojo bien peuple avec 2 éléments (9.7 Go total) ... repos (4.5 Go) ... yangky11-lean4-example-... (5.3 Go) yangky11-lean4-example-4164749e28cd331cb4196a16bf232182da1fa4fe (1169.5 MB) / repos (1169.5 MB)
SymbolicAI/Lean/Lean-10-LeanDojo.ipynb 32 DRIFT (lu ai-01) Total dans le depot / 27360 / Stdlib Lean ... / 27358 / Fichiers utilisateur ... / 2 [INFO] Total dans le depot: 2 theoremes / [INFO] Dont ~0 de la stdlib Lean / [OK] 2 theoremes utilisateur (sur 2 total)
SymbolicAI/Lean/Lean-13-Kochen-Specker.ipynb 25 DRIFT Le build Lean 4 compile les 3352 jobs du module Conway. Build completed successfully (8733 jobs).
SymbolicAI/Lean/Lean-16c-Conway-Game-of-Life-Golly.ipynb 29 DRIFT (lu ai-01) Pour rappel : le simulateur numpy estimait 107 jours pour Gemini. Estimation pour Gemini (4,000,000 cellules, 33,699,586 generations) : ~93.2 jours sur ce kernel numpy

Voir aussi

Activity

  1. jsboige commented on Sep 27, 2026

    @jsboige
    jsboige
    on Sep 27, 2026
    Owner

    [CLAIMED] lane myia-po-2026:CoursIA-2 -- paths: MyIA.AI.Notebooks/ML/DataScienceWithAgents/02-ML-Cours/2.11-Regularisation-Sparse-LASSO.ipynb -- c.27 DRIFT prose 0.007 vs output 0.002, fix prose-only

  2. myia-ai-01
    added a commit that references this issue on Sep 28, 2026

    fix(notebook,#18144): aligner prose 0.007 -> 0.002 sur 2.11 LASSO con…

    df60179
  3. jsboige
    added a commit that references this issue on Sep 28, 2026

    fix(genai,#18144): retirer le bloc metadata.papermill perime de 10_Lo…

    a461407
  4. myia-ai-01
    added a commit that references this issue on Sep 29, 2026

    fix(genai,#18200): 10_LocalLlama - real OpenRouter re-exec (458 model…

    cc5234e

  5. jsboige commented on Sep 30, 2026

    @jsboige
    jsboige
    on Sep 30, 2026
    Owner

    Grain: MED/notebook-python — lane myia-po-2023:CoursIA-2 — prev: DEEP/notebook-python #18508

    [CLAIMED] lane myia-po-2023:CoursIA-2 -- paths: MyIA.AI.Notebooks/Search/Applications/Hybrid/App-13-TSP-Metaheuristics.ipynb

    Sous-grain borné cellule markdown [16] : l’audit du 27/09 décrit alpha=0.9995 alors que code [13] définit alpha=0.995 ; la prose décrit aussi un voisin 2-opt mais le code échange deux villes par affectation. Re-vérifier directement code/source/output et le voisinage complet avant fix ; aligner la description pédagogique sur le code réellement exécuté, sans manipuler les outputs. Dispatch adjoint nominatif suit.

  6. jsboige commented on Sep 30, 2026

    @jsboige
    jsboige
    on Sep 30, 2026
    Owner

    [CLAIMED] myia-po-2023:CoursIA-2 — MED/notebook-python #18598 (prose SA App-13)

  7. myia-ai-01
    added a commit that references this issue on Oct 2, 2026

    fix(search,#18144): corrige prose SA App-13 -- alpha 0.995 (defaut), …

    fad3345

  8. jsboige commented on Oct 2, 2026

    @jsboige
    jsboige
    on Oct 2, 2026
    Owner

    [CLAIMED] lane myia-po-2027:CoursIA -- paths: MyIA.AI.Notebooks/GameTheory/GameTheory-15-CooperativeGames*.ipynb

  9. jsboige commented on Oct 2, 2026

    @jsboige
    jsboige
    on Oct 2, 2026
    Owner

    Tranche livrée : PR #18847 (Grain: MED/notebook-python — lane myia-po-2027:CoursIA — prev: MED/notebook-python #18834). Re-exec co[14] fraîche : exact=0.283s, MC=0.143s. md[15] ré-ancrée sur les valeurs runtime + note machine-dép. C.1/C.2/C.3/C.4/H.3 vérifiés.

  10. jsboige
    added a commit that references this issue on Oct 2, 2026

    fix(coopgames,#18847/#18144): cause des SyntaxWarnings ipykernel corr…

    78e9369
  11. myia-ai-01
    added a commit that references this issue on Oct 3, 2026

    Fix: re-anchor CoopGames-Python md[15] on fresh measured timings (#18144

    d1ed392

  12. jsboige commented on Oct 4, 2026

    @jsboige
    jsboige
    on Oct 4, 2026
    Owner

    [CLAIMED] lane myia-po-2023:CoursIA -- paths: MyIA.AI.Notebooks/Probas/DecisionTheory/DecInfer/DecInfer-01-Utility-Foundations.ipynb, MyIA.AI.Notebooks/Probas/DecisionTheory/DecInfer/DecInfer-09-Lean-Gittins.ipynb, MyIA.AI.Notebooks/Probas/DecisionTheory/DecPyMC/DecPyMC-8-Actuarial-Credibility.ipynb

    Tranche #18144 : 4 constats de prose contredits par les sorties (DecInfer-01 c.29 UNSUPPORTED ; DecInfer-09 c.7 UNSUPPORTED + c.15 DRIFT ; DecPyMC-8 c.11 DRIFT). Discipline doc-honesty : diagnostic C.4 par constat, re-exec fraîche des cellules Python concernées (CPU, pas de GPU), jamais d'alignement byte-surgical sur un nombre de perf. Tranches déjà livrées (LASSO #18155, App-13 #18598, GameTheory-15 #18847, LocalLlama #18281) non retouchées.

  13. jsboige commented on Oct 4, 2026

    @jsboige
    jsboige
    on Oct 4, 2026
    Owner

    [CLAIMED-AMEND] lane myia-po-2023:CoursIA -- paths: MyIA.AI.Notebooks/Probas/DecisionTheory/DecInfer/DecInfer-01-Utility-Foundations.ipynb, MyIA.AI.Notebooks/Probas/DecisionTheory/DecInfer/DecInfer-08b-Lean-Gittins.ipynb, MyIA.AI.Notebooks/Probas/DecisionTheory/Actuariat/Actuariat-03-Actuarial-Credibility.ipynb

    Correction des chemins du claim precedent (c.5983075045) : les stems de l'issue sont approximatifs (zeros de tete + dossier). Fichiers reels verifies par contenu : DecInfer-09-Lean-Gittins -> DecInfer-08b-Lean-Gittins ; DecPyMC/DecPyMC-8-Actuarial-Credibility -> Actuariat/Actuariat-03-Actuarial-Credibility (signature A-jeunes/theta[0] verifiee, DecPyMC-08-Actuariat-Capstone ne la porte pas). DecInfer-08b est kernel lean4-wsl : edition markdown seule contre les outputs committes (jamais d'execution Lean sur ce siege, arret user).

  14. jsboige commented on Oct 4, 2026

    @jsboige
    jsboige
    on Oct 4, 2026
    Owner

    [DELIVERED] tranche Probas/DecisionTheory (4 constats sur 3 carnets) — PR #19130

    Corrections markdown-only, chaque constat re-vérifié firsthand avant fix :

    Constat Avant (prose) Après (sorties committes)
    DecInfer-01 c.29 « Le résultat montre... 3691 EUR » (cellule suivant un stub jamais exécuté) « Analyse attendue » — valeurs-cibles de l'exercice, cibles vérifiées mathématiquement (prime max ≈ 3691) ; stub intact (C.1)
    DecInfer-08b c.7 table inventée 9.95/9.9997, 18.46/19.87, 39.5/63.4 mesures : 6.513216 (10 t) / 9.948462 (50 t) ; 12.830282 (20 t) / 19.881589 (100 t) ; 63.396766 (100 t)
    DecInfer-08b c.15 « Indice approx. » qualitatif, 50,50 = « moyen » indices mesurés γ=0.9 : 3.098076 / 1.763594 / 1.096927 / 0.947767 — 50,50 est le plus FAIBLE
    Actuariat-03 c.11 μ0_log −2.342 (sd 0.151), σ0 0.284 (sd 0.148), 4 HDIs dérivés −2.34 (sd 0.15), 0.28 (sd 0.15), HDIs du run of record ([0.041, 0.130] etc.)

    Preuve de reproductibilité Actuariat-03 : re-exécution papermill fraîche seedée reproduit az.summary à l'identique — les sorties committes sont bien le run seedé, la prose datait d'un run pré-seed (diagnostic C.4 complet dans le body de la PR).

    DecInfer-08b : kernel lean4-wsl — édité markdown-only, aucune exécution Lean sur ce siège (stop user 2026-08-30) ; sorties committes = run of record.

    Claim amendé en cours de route : les stems cités par l'issue étaient approximatifs (DecInfer-09 → DecInfer-08b ; DecPyMC-8 → Actuariat/Actuariat-03) — chemins réels vérifiés par signature de contenu, c.5983088267.

  15. myia-ai-01
    added a commit that references this issue on Oct 4, 2026

    fix(probas,#18144): re-ancrer la prose sur les sorties committes (tra…

    031f968
  16. github-actions
    added
    candidate-deliveredReferenced by a merged PR with no post-merge activity -- candidate for close triage (#10466)
    on Oct 5, 2026

  17. jsboige commented on Oct 8, 2026

    @jsboige
    jsboige
    on Oct 8, 2026
    Owner

    [CLOSURE PREFLIGHT]
    schema: 1
    lane: myia-po-2026:CoursIA-3
    issue: 18144
    verdict: KEEP
    acceptance:

Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Metadata

Metadata

Assignees

No one assigned

    Labels

    candidate-deliveredReferenced by a merged PR with no post-merge activity -- candidate for close triage (#10466)

    Projects

    No projects

      Milestone

      No milestone

      Relationships

      None yet

      Development

      No branches or pull requests

      Issue actions