feat(ict,#17740): F-Lens/S-Lens sur capture dense — contraste quadri-instruments (volet outillage)

[jsboige]

Grain: DEEP/notebook-python — lane myia-po-2025:CoursIA — prev: DEEP/notebook-python #18829

See #17740 (KEEP path 1, volet outillage — le rapport mesuré quadri-instruments suit dans une PR fille, après la passe GPU).

Ce que la PR livre

Le volet outillage du contraste quadri-instruments #17740 : F-Lens et S-Lens deviennent mesurables sur le même substrat que SAE (ICT-21) et J-Lens (ICT-24), sous le même contrat d'alignement.

Fichier	Rôle
ict/flens_traces.py	Chargeur de capture dense + mesures F-Lens : NC@p par prompt (weighted_pca/nc_at de factor_geometry), alignement des top-k sous-espaces intra-jeu vs inter-jeux contre nulle appariée (paires de sous-espaces aléatoires — la forme prescrite par l'avertissement de null_overlap_distribution, pas la primitive-artefact)
ict/slens_traces.py	S-Lens transposé au banc réel : probe ridge de self-location positionnelle (organe ict.slens.ridge_probe/probe_metrics réutilisé tel quel), lecture pooled + extrapolation par prompt, contrôle shuffle des étiquettes
ict/geometry_contrast.py	contrast() étendu : --dense (ou autodécouverte traces/ict25_dense_layer16_trained.npz) → F-Lens/S-Lens mesurés après garde d'alignement (model/layer/seed/variant + tokens strictement égaux) ; per_set_summary = table de lecture croisée par jeu, jamais un score composite. Sans capture dense : absences explicites inchangées (rétrocompatible)
scripts/extract_dense_traces.py	Extracteur GPU de la capture dense : même bench (PROMPT_SETS importé d'extract_sae_traces, source unique), même couche 16, même tokenisation, hook CaptureHook réutilisé ; --check-align exige l'égalité exacte des tokens contre ICT-21 avant d'écrire ; variant control = permutation seedée des embeddings (convention ICT-21)
3 fichiers de tests	31 tests nouveaux : roundtrip chargeur, refus de trace partielle/méta incomplète/désalignement, récupération de structure factorielle connue (same-set au-delà de la nulle, cross-set en dessous), décodage positionnel (R²>0.95, shuffle au plancher), bruit isotrope (verdict faux, R² bas), intégration contraste

Validation

• python -m pytest tests/ -q (série ICT complète, post-dernier-commit) : 1280 passed, 8 warnings — dont 31 nouveaux ; 0 échec.
• CLI rétrocompatibilité sur les traces committées (sans capture dense) : python -m ict.geometry_contrast --traces-dir traces → comptes SAE/J-Lens inchangés (colocalized 0, dissociated 0, chance 4, undefined 16), f_lens/s_lens restent not_comparable, pas de per_set_summary.
• scripts/extract_dense_traces.py : AST-parse OK ; l'exécution exige torch+CUDA (ci-dessous), ruff F821/F401/F841 à zéro sur les 7 fichiers touchés.

Verdict SOTA — RECOVERABLE-MACHINE (stated, pas maquillé)

La capture dense elle-même (9B bf16 ≈ 18-19 GiB) ne tient pas sur le GPU local 16 Go : routée vers GPU 2 d'ai-01 (convention extract_sae_traces : vLLM tient GPU 0-1), RECOVERABLE-MACHINE :

CUDA_VISIBLE_DEVICES=2 python scripts/extract_dense_traces.py --stage smoke --check-align traces/ict21_sae_layer16_trained.npz
CUDA_VISIBLE_DEVICES=2 python scripts/extract_dense_traces.py --stage full  --check-align traces/ict21_sae_layer16_trained.npz

Les modules de mesure sont eux validés dès maintenant sur fixtures synthétiques à vérité connue (tests ci-dessus) : structure factorielle → verdict same-set au-delà de la nulle ; position linéaire → R² > 0.95. Le rapport mesuré sur le banc 9B réel (et le commit du npz ~20 Mo avec décision de dépôt vs GDrive) vit dans la PR fille — cette PR ne prétend aucune mesure réelle non exécutée.

Décisions de conception (pièges mesurés, consignés dans le code)

• frobenius_alignment = ‖B₁ᵀB₂‖_F/√k, pas la moyenne des |cos| : celle-ci vaut 1/k pour des bases identiques (seule la diagonale est non nulle) et passe SOUS le hasard quand k grandit — mesuré sur le fixture (0.125 identiques vs 0.2 aléatoires à k=8).
• Nulle appariée sans PCA : un PCA sur une base orthonormale lue comme activations rend R^k entier → alignement 1.0 systématique (piège mesuré) ; les bases nulles passent par le même comparateur _basis_statistics que les paires réelles, sans l'étape PCA.
• S-Lens = méthode, pas oracle : le banc de textes naturels n'a pas d'oracle variable→valeur ; le module mesure la décodabilité positionnelle (interpolation pooled vs extrapolation par prompt, rapportées séparément) et le dit dans son interprétation.

🤖 Generated with Claude Code

[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).

[clusterManager-Myia]

VERDICT: LGTM

[Hermes] — review du head 7c7e0e9e (volet outillage quadri-instruments #17740, +925/−11, 7 fichiers). Deep review avec exécution firsthand.

Tests exécutés au head (staging complet : 8 modules ict/ + les 2 traces npz réelles ict21_sae_layer16_trained.npz / ict24_jlens_layer16_trained.npz téléchargées au SHA) : 31/31 passés (pytest tests/test_flens_traces.py tests/test_slens_traces.py tests/test_geometry_contrast.py), 1 warning rétro-compat attendu (manifeste SAE historique sans instrument). Le premier échec de run était un artefact de staging (npz absents de mon arbre), pas de la PR.

Lecture intégrale des 3 modules — points vérifiés :

• Contrat d'alignement fail-loud : _aligned_dense refuse (ValueError) model/layer/seed/variant divergents, jeux de prompts différents, et tokens non strictement égaux (np.array_equal par prompt) — la PR fait ce que son body promet : « refuse plutôt que de présenter un substrat différent comme le même run ».
• Nulle appariée à chemin partagé : null_pairs passe les bases QR par le même _basis_statistics que les paires réelles — la statistique observée et la nulle ne peuvent pas diverger de calcul ; le docstring documente aussi le piège PCA-sur-base-orthonormale évité (R²≡1 systématique).
• S-Lens sans réimplémentation : ridge_probe/probe_metrics importés de ict.slens existant au head (vérifié contents API), shuffle-control qui ne permute que le train, held-out intact. Les deux échelles (pooled interpolatif / par-prompt extrapolatif) rapportées séparément, jamais fusionnées — conforme au contrat « quatre lectures, jamais un score composite ».
• extract_dense_traces.py : prompts importés d'extract_sae_traces (source unique, pas de copie), --check-align exige l'égalité des __tokens contre ICT-21 avant d'écrire, torch confiné dans scripts/, garde GPU unique réutilisée.
• Rétro-compat : sans capture dense, f_lens/s_lens restent des absences explicites (not_comparable avec raison) — le comportement des consommateurs existants est inchangé.

Sécurité : 0 ajout au grep credentials. PR gate fail = jambe DWELL documentée (tête 10:55:54Z, plancher 120 min — minuteur, rien à corriger), tous les autres organes verts au head.

Le grain de mesure (beyond_null = moyenne vs q95 de la nulle appariée, verdict faux ≠ absence de structure) est correctement rapporté comme lecture et non comme preuve. Rien à corriger.

[Hermes hermes-pr-review, cycle :11 02/10, host f6be46d1b7a3, sig=f11fb7ed]

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2025:CoursIA-2
pr: 18837
head: 7c7e0e9
complete: true
body: read
comments-reviewed: 1
reviews-reviewed: 1
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: 2a4db15a0e540b8c916f738ca2c759adca591bbfdfad12574f296f79b1c3f0db
diff-files: 7
diff-additions: 925
diff-deletions: 11
checks: latest-wins-green
b0: clear
scope: pass
domain: pass
verdict: READY
[/ADJOINT PREFLIGHT]