fix(qc,#16795): QC-Py-23 determinisme GPU effectif + re-exec locale (stack etrangere 2.11.0)

[jsboige]

Grain: DEEP/qc -- lane myia-po-2026:CoursIA -- prev: DEEP/qc #16806

QC-Py-23 : déterminisme rendu effectif + re-exécution GPU locale

Tranche 3/13 du volet QuantConnect de #16795. Note de triage : le notebook a été renommé sur main (Attention-Transformers → State-Space-Models) ; la re-vérification firsthand confirme le candidat — seed 42 posé (cellule 4), AUCUN réglage de déterminisme, métriques réelles committées. Le triage initial avait aussi manqué QC-Py-23b (14e candidat, en file). QC-Py-32 re-vérifié et EXCLU (aucun seed posé — hors pattern du fix #16795).

Le fix (cellule 4, site du seed)

import os
os.environ.setdefault('CUBLAS_WORKSPACE_CONFIG', ':4096:8')  # avant import torch
# après les seeds :
torch.backends.cudnn.deterministic = True
torch.backends.cudnn.benchmark = False
torch.use_deterministic_algorithms(True, warn_only=True)

Même pattern que tranches 1 (#16803) et 2 (#16806). warn_only = pédagogique (warning, pas un crash ; exécutable de bout en bout, C.1).

Preuve d'exécution (C.2) — kernel documenté du notebook

Papermill 17/17 cellules code, kernel coursia-ml-training, 0 erreur
Device: cuda | RTX 3080 Ti Laptop | PyTorch 2.6.0+cu124
grep NotImplementedError/assert False/1/0 : 0 occurrence
Guard markdown : 0 nouvelle violation ERROR

Les chiffres — honnêteté complète

L'ancienne exécution committée provenait d'une stack étrangère (PyTorch 2.11.0+cu128, autre GPU : Mamba 49,5s vs 75,0s local). Les métriques dérivent en conséquence :

Modèle	Acc avant (stack 2.11)	Acc cette PR (2.6.0+cu124 déterministe)
LSTM	53,33%	53,56%
Mamba	50,89%	52,22%
SST Hybrid	52,22%	49,56%
Transformer	52,22%	52,00%

• Le classement du benchmark change (SST Hybrid passe de 2e ex-aequo à dernier) — les outputs committés font foi ; aucune interprétation de rang n'était figée en prose.
• Prose vérifiée sans ancrage stale : 0 citation numérique des métriques dans le markdown (les seuls nombres à 3+ décimales sont des arXiv IDs et un DOI Hochreiter 1997) ; le seul claim qualitatif (« avantage attendu » multi-échelle, cellule 35) est théorique pré-entraînement et survit.
• Taille du modèle exporté : 89,3 → 88,9 KB (non citée en prose).

Périmètre

1 fichier, QC-Py-23-State-Space-Models.ipynb (+260/−246, outputs régénérés inclus).

SOTA

SOTA-OK : vrai PyTorch, vrai GPU local, kernel documenté (coursia-ml-training), sorties réelles d'entraînement, aucun workaround.

See #16795 (contribution partielle — volet QC ; 10 FIX_CANDIDATE restants dont QC-Py-23b découvert ce cycle)

🤖 Generated with Claude Code

[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]

Golden-Set Execution (H.7 P3)

✅ 8/8 notebooks passed (certified reproducible)

Notebook	Status	Time
2.1-Workflow-ML.ipynb	✅ SUCCESS	2.6s
2.2-Descente-de-gradient.ipynb	✅ SUCCESS	3.2s
2.3-Regression-lineaire-logistique.ipynb	✅ SUCCESS	3.8s
2.4-Arbres-Forets-Ensembles.ipynb	✅ SUCCESS	3.7s
Search-01-StateSpace.ipynb	✅ SUCCESS	2.7s
SL-1-LogicalLearning.ipynb	✅ SUCCESS	2.8s
rl_4_multi_armed_bandits.ipynb	✅ SUCCESS	13.7s
GameTheory-04c-NashExistence-Python.ipynb	✅ SUCCESS	2.1s

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: 17
• 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]

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

[github-actions]

Path-collision (organ #13359/#13615)

Cette PR #16807 (fix(qc,#16795): QC-Py-23 determinisme GPU effectif + re-exec locale (stack etrangere 2.11.0)) touche au moins un chemin de fichier aussi modifie par d'autres PRs ouvertes. Risque de double-livraison (meme fichier livre deux fois, 2x le travail et 2x les runs CI). Advisory : parfois legitime (tranches coordonnees, partition paths: explicite, PRs empilees exclues) -- l'organe rend visible, il ne bloque pas.

• fort -- fix(qc,#16795): determinisme GPU strict + re-execution locale QC-Py-22/23/24/31 #16860 partage : MyIA.AI.Notebooks/QuantConnect/Python/QC-Py-23-State-Space-Models.ipynb (issues communes : Metriques GPU non reproductibles : 43 notebooks posent une graine sans reglage de determinisme #16795)
• fort -- fix(qc,#16795): determinism flags + seeded re-executions QC-Py 22-34 (volet QC tranche 1/2) #16867 partage : MyIA.AI.Notebooks/QuantConnect/Python/QC-Py-23-State-Space-Models.ipynb (issues communes : Metriques GPU non reproductibles : 43 notebooks posent une graine sans reglage de determinisme #16795)

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2025:CoursIA-2
pr: 16807
head: 0512640
complete: true
body: read
comments-reviewed: 5
reviews-reviewed: 0
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: fcab917d4259cc34b3d0c3d07c119abf8ee5aaaf021b0d58e6b0066ea1d842b1
diff-files: 1
diff-additions: 260
diff-deletions: 246
checks: latest-wins-green
b0: clear
scope: pass
domain: pass
verdict: READY
[/ADJOINT PREFLIGHT]