Add: 6 markdown lectures chiffrees RL-15 GRPO (densite 1027 -> 1400, #13410)

[jsboige]

Grain: DEEP/notebook-python -- lane myia-po-2026:CoursIA -- prev: DEEP/notebook-python #16486

Livrable

Tranche densité #13410 : RL/rl_15_grpo_group_relative_policy (1027 → 1400), plancher 1200. Markdown-only : +48 lignes — 6 cellules md (lectures chiffrées des sorties), chacune avec id nbformat 4.5 (sha1 8 hex, 6 nouveaux ids uniques, vérifiés) ; 0 cellule code touchée, 0 output édité, 0 md supprimée. Branche dédiée feature/13410-density-rl15 depuis origin/main (fe8a398), créée avant l'édition. Famille RL, 2e grain RL de la lane (règle 6).

Les 6 cellules

1. Device de CE run (§1) — la sortie Device: cuda lue comme un témoin (ce run a tourné GPU), pas une exigence : le md de setup garantit la reproductibilité CPU-only ;
2. VRAM probe en nombres bruts (§1.1) — la ligne [nvidia-smi] citée verbatim (NVIDIA GeForce RTX 3070 Laptop GPU, 8192 MiB, 749 MiB, 7270 MiB, 610.88), params=9155, peak allocated: 17.68 MiB / peak reserved: 22.00 MiB / final allocated: 16.41 MiB, marge > 300x sous la borne 6144 MiB ;
3. Espace du problème (§1.2) — obs_dim=4, n_actions=2 lu contre l'architecture 4-64-64-2 décrite en amont (§1.1) : 4 entrées, 2 logits, deux couches cachées de 64 ;
4. Les six seeds ligne à ligne (§2) — PPO devant 6/6 ; écarts de 48.66 (seed=1) à 329.27 (seed=0) et 282.27 (seed=123) ; le fait tranchant : meilleur GRPO (227.43, seed=42) sous le pire PPO (236.93, seed=1) — les deux distributions ne se chevauchent pas ;
5. Agrégats re-vérifiés (§2) — moyennes re-dérivées des 6 seeds (2169.26/6 = 361.54 pour PPO, 1024.13/6 = 170.69 pour GRPO), delta -190.86, Wilcoxon stat=0.0, p-value=0.0312 = le minimum n=6 exact que le REPAIR c.644 rendait atteignable, IC95% [-265.41, -117.11] exclut 0 ;
6. Verdict lu contre les 3 conditions (§2) — VERDICT : PPO BEATS GRPO : conjonction complète (edge au-delà de 2σ, p < 0.05, IC excluant 0).

Défauts préexistants signalés (non corrigés, hors scope md-only)

Mes lectures citent les sorties committées verbatim ; deux divergences prose-vs-sortie du contenu existant sont signalées dans les cellules 2 et 6 et laissées à l'owner :

• la prose du verdict VRAM cite un pic à 17.44 MiB alors que la sortie committée affiche 17.68 MiB (JSON interne : vram_peak_mib: 17.6845703125) ;
• la motivation (§ Motivation) documente les sorties v3 (PPO 299.36 ± 55.26 vs GRPO 197.65 ± 104.99, edge −1.27σ, p=0.0938, INCONCLUSIVE, std_GRPO ≈ 2× std_PPO) alors que les sorties committées actuelles donnent 361.54/170.69, p=0.0312, PPO BEATS GRPO, et GRPO MOINS variable que PPO (47.78 contre 69.97).

Validation

• pedagogy_density.py → RC=0, plancher 1200 respecté (1400).
• detect_markdown_rendering.py --check → OK (rc=0).
• Vérification structurelle scriptée : 13 cellules code byte-identiques (sources, outputs, execution_count), 0 md perdue (ordre conservé), 27 cellules au total, ids tous uniques, 0 accent dans les insertions (dominante du fichier mesurée : 153 accents / 13 352 chars = 1,15 %) — md-only strict, diff +48/−0.

Preflight

Par noms (rl_15, grpo, scoped au repo) : aucune PR open. Par chemins : sweep des chemins des PRs open #13410 → seul RL/ touché est rl_7 (PR #16486, cette lane) ; rl_15 intact partout. Vérifié au choix du grain ET au commit. Branche créée avant l'édition.

See #13410

🤖 Generated with Claude Code

[github-actions]

Golden-Set Execution (H.7 P3)

✅ 8/8 notebooks passed (certified reproducible)

Notebook	Status	Time
2.1-Workflow-ML.ipynb	✅ SUCCESS	5.9s
2.2-Descente-de-gradient.ipynb	✅ SUCCESS	3.6s
2.3-Regression-lineaire-logistique.ipynb	✅ SUCCESS	4.1s
2.4-Arbres-Forets-Ensembles.ipynb	✅ SUCCESS	4.0s
Search-01-StateSpace.ipynb	✅ SUCCESS	3.5s
SL-1-LogicalLearning.ipynb	✅ SUCCESS	2.0s
rl_4_multi_armed_bandits.ipynb	✅ SUCCESS	15.2s
GameTheory-04c-NashExistence-Python.ipynb	✅ SUCCESS	5.6s

Pinned lockfile: scripts/notebook_tools/golden_set.lock.txt (H.7 P3, axe A #4208)

[github-actions]

Notebook PR Validation: PASS

• Notebooks checked: 1
• Code cells validated: 13
• Result: All passed

Checks: H.1 (no errors), H.3 (execution_count), C.1 (no banned patterns)
Non-Python kernels (.NET/Lean): C.1 + errors only (execution_count advisory)
QuantConnect notebooks: C.1 + errors only (require QC Cloud for execution)

[github-actions]

⚠️ Prose/output review needed in the notebooks this PR changed: a numeric value is not anchored, an explicit relation is contradicted, or its evidence is missing. These cases remain distinct in the JSON report; the signal is advisory, NOT a merge gate.

Scope = notebooks CHANGED in this PR, not the whole corpus. Explicit claim-check relations resolve only against named CLAIM_METRICS from the local output window and are classified SUPPORTED, CONTRADICTED, or UNPROVEN.
The markdown-claims-output-report run artifact contains the structured JSON report. See python scripts/check_markdown_claims_output.py --help for re-running locally.
Detector rationale: c.290 / c.331 / PR #11435 numeric pathology, extended with low-noise relational evidence.

[github-actions]

Notebook outputs-required (H.4 schema): PASS (every code cell carries an outputs: list)

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2025:CoursIA-2
pr: 16488
head: bb1d852
complete: true
body: read -- ligne Grain verifiee: Grain: DEEP/notebook-python - lane myia-po-2026:CoursIA - prev: DEEP/notebook-python #16486
b0: rc=0 -- aucun nit non leve (organe check_unaddressed_nits, 2026-09-17T10:27:35Z)
review: aucune -- ta review + merge = seuls gestes manquants
verdict: READY -- review+merge, position oldest-first 4/12
checks: statusCheckRollup 0 failing / 0 in-progress (tous settles verts, mesure 2026-09-17T10:27:35Z)
rest: mergeable_state clean / mergeable true

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2025:CoursIA-2
pr: 16488
head: bb1d852
complete: true
body: read
comments-reviewed: 5
reviews-reviewed: 0
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: ad422605b329ea8d6575fbd339712a6f6278c67b978e0a78e92e9adc654e0e65
diff-files: 1
diff-additions: 48
diff-deletions: 0
checks: latest-wins-green
b0: clear
scope: pass (MyIA.AI.Notebooks/RL/rl_15_grpo_group_relative_policy.ipynb)
domain: pass (Grain DEEP|MED ligne 1 verifiee)
verdict: READY_REVIEW_MERGE
measured: 2026-09-17T10:42:13Z
[/ADJOINT PREFLIGHT]

[myia-ai-01]

[ai-01 exact-head] APPROVED

Head bb1d8521bf8835cb84fdde69a0ffe23b473bb538 lu intégralement : body, 6 commentaires, 0 review antérieure, 0 thread et diff complet. B.0 rc=0 ; checks latest-wins settles verts. Le diff est strictement markdown-only (+6 cellules), chaque lecture suit l'output concerné, les chiffres sont verbatim ou re-dérivés exactement, et les deux divergences historiques sont signalées honnêtement sans altérer outputs ni code. Scope, C.5 et D.4bis conformes.

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2025:CoursIA-2
pr: 16488
head: bb1d852
complete: true
body: read
comments-reviewed: 6
reviews-reviewed: 1
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: 6b5287643352ee1294809214aeb38e05274d2e65444a2b84544c66dcd7a7d00f
diff-files: 1
diff-additions: 48
diff-deletions: 0
checks: latest-wins-green
b0: clear
scope: pass
domain: pass
verdict: READY
[/ADJOINT PREFLIGHT]