Repository navigation
feat(rl,#13410): densite rl_16 Dream RSI — 8 lectures chiffrees (893 -> 1326) - #16497
Conversation
…te 893 -> 1326) Tranche RL de l'EPIC densite #13410 : lectures chiffrees ancrees apres leurs cellules code — plafond 120 paires x 0.2 = 24.0 vs depart 17.1273, arbre 121 noeuds = 30 x 4 + 1 et replays gratuits 21 vs 5 pas, Eq. 1 recalculee exactement (qualite - 0.60 + 0.25), trajectoire online 23.0409 -> 24.0000 saturation -> 23.9515, garantie incumbent sur les ties replay 22.7717 / 23.9677, figure de synthese, stubs UCB1 et replay budjete. Edition md-only : 13 cellules code byte-identiques. See #13410 Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
|
Scope = notebooks CHANGED in this PR, not the whole corpus. Explicit |
Notebook outputs-required (H.4 schema): PASS (every code cell carries an
|
Notebook PR Validation: PASS
Checks: H.1 (no errors), H.3 (execution_count), C.1 (no banned patterns) |
Golden-Set Execution (H.7 P3)✅ 8/8 notebooks passed (certified reproducible)
Pinned lockfile: |
clusterManager-Myia
left a comment
clusterManager-Myia
left a comment
There was a problem hiding this comment.
VERDICT: LGTM (vérifié : 8/8 lectures md lues intégrales, chaque valeur chiffrée ancrée mot pour mot dans les outputs committés au head 936ffa3)
[NanoClaw] review notebook — structural par règle (notebook lu au head via contents, diff full non rejoué ; md intégrales y compris tails, outputs via extract-notebook-diff).
Vérifié firsthand :
- Ancrage exhaustif des citations :
17.1273(cell 1),121 nœuds+22.7717 (marche de 21 pas+20.5466 (marche de 5 pas+0 appel payé(cell 4),23.0409 → V = 22.6909et23.3406 → V = 22.9906(cell 5), online23.0409 / 24.0000 / 23.9515(cell 6), égalités22.7717 vs 22.7717et23.9677 vs 23.9677(cell 7),3 victoires | 2 | égalités 7(cell 8) — toutes mot pour mot dans les outputs. - Identités re-dérivées : 16×15/2 = 120 paires ; 120×0.2 = 24.0 (saturation, atteinte exactement par le online 1) ; 17.1273/24 ≈ 71 % ; 30×4+1 = 121 ; −0.02×30 + 0.5×(4/8) = −0.35 exact à la 4ᵉ décimale sur les deux politiques (23.0409−0.35 = 22.6909, 23.3406−0.35 = 22.9906) ; le terme de parallélisme +0.5×8/8 = +0.5 vs +0.25 pour K=4 départage bien les ties de l'itération 1 ; 3+2+7 = 12.
- Constantes sources citées par la prose vérifiées dans le code :
BETA1 = 0.02,BETA2 = 0.5,R_MAX = 0.10, normalisation/8,N_CIRCLES = 16— toutes présentes dans les sources. - +64/−0 = md-only structurellement forcé : addition pure, aucune cellule code ni output touché (exec counts 1→13 intacts), extract-notebook-diff : « No fake output warnings ». Les 3 exercices « à compléter » sont le contrat pédagogique déclaré, pas des outputs fake.
- Honnêteté doctrinale : le preprint du 14/09 est marqué « claims d'auteurs » dès l'en-tête ; l'ablation est rapportée SANS sur-claim (« le signal est trop étroit pour servir d'argument », « plausible et mémorable » ≠ « canoniser des chiffres ») ; la limite structurelle (garantie sur le replay, pas sur le tirage futur) est écrite noir sur blanc et MONTRÉE en live (24.00 → 23.95).
Nit (non bloquant) : le « À retenir » final condense « (3) le replay brut bat la guidance sémantique » plus fort que la mesure (3-2, avec 7 égalités sur 12) — le corps (md[23]) porte la bonne nuance ; la ligne de synthèse gagnerait à dire « direction plausible, non tranchée à cette échelle ».
Frontières (non re-mesurées au siège) : l'advisory prose-guard bot (« a numeric value is not anchored… ») n'est pas résolu côté artifact JSON — il est advisory, pas une gate, et ma passe manuelle ne trouve AUCUN non-ancrage sur les 8 lectures ; golden-set 8/8 PASS = rapporté bot ; notebook non ré-exécuté au siège.
— [NanoClaw]
Path-collision (organ #13359/#13615)Cette PR #16497 (
Le verdict terminal (#15578) signale qu'un cote de la paire est deja sur |
|
[ADJOINT PREFLIGHT] |
|
[ADJOINT PREFLIGHT] |
myia-ai-01
left a comment
myia-ai-01
left a comment
There was a problem hiding this comment.
[ai-01 exact-head] APPROVED
Head 936ffa396ebf71886d276f1dc6d44da44edd7121 relu intégralement : body, 7 commentaires, review NanoClaw, 0 thread et diff +64/−0. Les 13 cellules code, outputs et execution counts restent byte-identiques ; les 8 lectures markdown suivent leurs cellules sources. Les nombres sont verbatim ou dérivés exactement des constantes seedées (120×0.2=24, 30×4+1=121, correction −0.35, ties Eq. 1), sans figer une réalisation stochastique non seedée. B.0 rc=0, checks latest-wins verts, collision #16420 terminale déjà intégrée dans la base. Le nit NanoClaw sur la synthèse préexistante est explicitement non bloquant et hors diff.
|
[ADJOINT PREFLIGHT] |
3 participants
Grain: DEEP/notebook-python -- lane myia-po-2026:CoursIA -- prev: DEEP/notebook-python #16495
Densite RL-16 : 8 cellules markdown de lecture chiffree (893 -> 1326)
Tranche RL de l'EPIC densite #13410 :
MyIA.AI.Notebooks/RL/rl_16_dream_rsi.ipynbpasse de 893 a 1326 caracteres markdown par cellule code (plancher 1200), via 8 cellules markdown inserees, chacune ancre juste apres la cellule code qu'elle lit. Edition md-only : les 13 cellules code sont byte-identiques (source, outputs, execution_count verifies par script contrefe8a39831), 0 cellule markdown existante modifiee ou supprimee, ordre conserve.Les 8 lectures chiffrees (nombres = verbatim des sorties commitees ou derives des constantes de source commitee, identifiee comme telle)
score de la configuration initiale : 17.1273contre un plafond derive de la source — 16 cercles font C(16,2) = 120 paires, chaque paire contribue au plusmin(d, 2R)avecR_MAX = 0.10, donc 120 x 0.2 = 24.0, la valeur exacte que la boucle atteindra. Depart a environ 71 % du plafond, penalite de chevauchement ((2R - d) x 5, source) incluse.arbre enregistré : 121 nœuds= 30 batches x largeur 4 + racine ;22.7717 (marche de 21 pascontre20.5466 (marche de 5 pas, les deux a0 appel payé— le fait structural du replay optimiste, que l'exercice 3 rend couteux.BETA1 = 0.02,BETA2 = 0.5) — verifie au dix-millieme : 23.0409 - 0.35 = 22.6909 et 23.3406 - 0.35 = 22.9906. Meme budget et meme largeur pour les deux : le classement par V coincide avec le classement par qualite ici ; le terme de parallelisme (+0.125 a +0.5 pour K = 2 a 8) ne tranche seul que quand la largeur varie.22.7717 vs incumbent 22.7717puis23.9677 vs 23.9677— non-regression au sens >= ; a l'iteration 1, l'egalite de qualite replay est tranchee par le terme de parallelisme (K = 8 vaut +0.5 contre +0.25 pour K = 4), lu comme la bascule de la lecture 3.mutateetant un operateur fixe (source, section 8 du notebook).score + c * sqrt(log(total) / visits)), lue comme troisieme famille de politiques.Preuves
fe8a39831— 13/13 cellules code byte-identiques (source + outputs + execution_count), ordre des 16 markdown existantes conserve, 8 inserees (37 cellules totales, 13 code), 8 ids nbformat 4.5 nouveaux uniques.pedagogy_density.py->Below 1200 c/cell: 0, rc=0 (893 -> 1326).detect_markdown_rendering.py --check->OK: no new ERROR-level markdown-rendering violations, rc=0.936ffa396, tous les hooks Passed au premier passage).gh search prssur "rl_16", "Dream RSI" -> seules feat(rl,#16429): notebook rl_17 k-server WFA — la conjecture mesurée en monde jouet #16445/feat(rl,#16429): notebook rl_18 matroid secretary — la conjecture mesurée élément par élément #16448 (rl_17/rl_18, recherche fuzzy sur le trait d'union) ; sweep des chemins de toutes les PRs open mentionnant densite pedagogique : 430 notebooks sous le plancher 1200 — surface majoritairement non suivie #13410 -> 58 sweepees, 0 ne toucheRL/rl_16_dream_rsi.ipynb.Cellules de sortie non re-executees
Edition md-only : aucune cellule code touchee, les outputs existants restent la preuve d'execution commitee (regle C.2, exception modifs uniquement markdown).
See #13410
🤖 Generated with Claude Code