fix(search,#17863): MGS-08 — bancs GA seedés, sorties reproductibles (DLL rebuildée depuis dbcd404)

[jsboige]

Grain: MED/notebook-dotnet — lane myia-po-2025:CoursIA — prev: DEEP/notebook-python #18819

Summary

Tranche MGS-08 de #17863 : reproductibilité du banc MGS-08-LandscapeExplorer.ipynb. Le notebook exécutait ses GA sur un FastRandomRandomization non seedé : population finale, meilleur individu et flipbook de convergence changeaient à chaque exécution.

Le seeding (pattern canonique MGS-05 / #12071) : FastRandomRandomization.ResetSeed(42) inséré dans les deux définitions de banc, immédiatement avant la création de MetaPopulation — couvre les 3 points d'appel (Sphere cellule du harnais, Sphere translatée bonus, flipbook Rastrigin 1000 individus). Commentaire-doctrine complet sur le premier site (pourquoi BasicRandomization.ResetSeed serait un no-op), référence courte sur le second. BasicRandomization.ResetSeed n'est PAS utilisé : le moteur lit RandomizationProvider.Current (FastRandom) — cf #12071, dont le périmètre n'avait pas couvert MGS-08.

Finding incident — DLL stale en contenu malgré une date fraîche : la première paire d'exécutions révélait un nondéterminisme résiduel sur la cellule « Exemple guidé N-D » (projection dim=10/30 via NDMaxProjectionAdapter), alors même qu'elle passe déjà rng: new Random(42). Cause mesurée : la MetaGeneticSharp.Extensions.dll chargée par les #r avait été compilée depuis un checkout antérieur au fix 607cf7a (per-pixel seeded RNG, bumpé le 27/08 via #13162) — preuve binaire : PixelSeed/m_pixelSeedBase absents des métadonnées de la DLL datée du 20/09, présents après rebuild depuis dbcd404. La date du binaire ne prouve pas son contenu ; le worktree rebuild depuis le source épinglé par le gitlink. Symptôme mesuré avant/après : gradient moyen d'image dim=10 à 1,18 vs 7,06 entre deux exécutions (pré-fix), identique après.

Acceptance #17863 (critère : deux exécutions → sorties identiques hors blob bootstrap kernel)

Deux exécutions complètes back-to-back (nbconvert, kernel .net-csharp) comparées cellule par cellule, output par output (hash du texte stream + hash des data de chaque output) :

• 15/17 cellules code byte-identiques incluant les trois bancs GA seedés ;
• les 2 écarts restants se réduisent, après le rebuild de DLL, au seul blob de bootstrap du kernel (cellule #r : diff limité au PID du process dans le context string de configuration .NET Interactive) ;
• execution_count contigus, 0 erreur, 17/17 cellules code exécutées.

Les cellules de lecture MD ne citent aucune valeur stochastique (chiffres = refs de commit/lignes/config) — aucun re-ancrage nécessaire, vérifié cellule par cellule avant l'édition.

Sweep

Aucun référent ne cite MGS-08 au-delà du notebook lui-même (README généré par catalogue, laissé byte-identique). Sources non-exercice inchangées hors des deux insertions de seeding (+10 lignes exactement).

See #17863 (tranche MGS-08 ; restent MGS-09/13/15 et arbitrages 07b-d/17b/20) — claim : c.5946940161

🤖 Generated with Claude Code

[github-actions]

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

[github-actions]

No organ-duplication: no added def/class collides with another series organ API (scripts/audit/organ_api_index.yaml).

Detector: python scripts/audit/detect_organ_duplication.py --base <merge-base> --body-file <pr body>
Rationale: #16776 / #13564 (rule merged in #16778).

[github-actions]

Golden-Set Execution (H.7 P3)

✅ 9/9 notebooks passed (certified reproducible)

Notebook	Status	Time
2.1-Workflow-ML.ipynb	✅ SUCCESS	11.1s
2.2-Descente-de-gradient.ipynb	✅ SUCCESS	16.0s
2.3-Regression-lineaire-logistique.ipynb	✅ SUCCESS	13.1s
2.4-Arbres-Forets-Ensembles.ipynb	✅ SUCCESS	17.0s
Search-01-StateSpace.ipynb	✅ SUCCESS	9.1s
SL-1-LogicalLearning.ipynb	✅ SUCCESS	5.0s
rl_4_multi_armed_bandits.ipynb	✅ SUCCESS	54.3s
GameTheory-04c-NashExistence-Python.ipynb	✅ SUCCESS	10.7s
GameTheory-13d-Optimistic-CFR-Python.ipynb	✅ SUCCESS	35.4s

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]

⚠️ 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]

✅ No unanchored measurement claim detected in the notebooks this PR changed.

Scope = notebooks CHANGED in this PR, not the whole corpus. The stale-claim-report run artifact holds the structured JSON.
Rationale: the sibling detector above only compares a claim to the outputs of the cells that PRECEDE it; a claim written in a cell that precedes its code (App-5-Timetabling c.2/c.4) is invisible to it, and a value imported from a twin notebook is never produced locally. See python scripts/check_stale_claims.py --help.

[github-actions]

✅ No factual mislabel detected in the notebooks this PR changed (entity counts and tuple formulas checked against nearby committed streams).

Scope = notebooks CHANGED in this PR, not the whole corpus. The factual-mislabel-report run artifact holds the structured JSON.
Rationale: pure ABSENCE of a claimed value is the sibling stale-claim detector's job; this one only reports CONTRADICTIONS between an adjacent code cell's stream and the markdown that describes it. See python scripts/check_factual_mislabel.py --help.

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2026:CoursIA-3
pr: 18820
head: 9e88f0d
complete: true
body: read
comments-reviewed: 7
reviews-reviewed: 0
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: 50bdbc9a674a63341feed89649cd35a13e2611c93759d6a9fd498be48138cf06
diff-files: 1
diff-additions: 262
diff-deletions: 87
checks: latest-wins-green
b0: clear
scope: pass
domain: pass
verdict: READY
[/ADJOINT PREFLIGHT]