feat(genai,#19949): serie 3D -- NeRF from scratch + cinq limitations mesurees

[jsboige]

Grain: DEEP/notebook-python — lane myia-po-2023:CoursIA — prev: MED/guard #19856

Closes #19949 (Pli 2 / R-nerf de l'Epic origami #18605, déverrouillé par la fermeture du Pli 1 #18783). Mission dispatchée par ai-01 (DM ai01-c1413-fold2-unlocked, ackée). Scope : NeRF uniquement — pas de Fourier (pli 1 livré), pas de gsplat (pli suivant, réservé par l'addendum du parent).

Livrable

Nouvelle série MyIA.AI.Notebooks/GenAI/3D/ (2 notebook + README de série), comblant la lacune « 3D confirmé absent » de l'audit #18220 pli 3.

3D-01-NeRF-From-Scratch.ipynb (36 cellules, 21 code)

Pipeline NeRF complet from scratch (~200 lignes PyTorch), digest commenté du papier Mildenhall et al. ECCV 2020 — pas un fork de bmild/nerf :

• encodage positionnel γ (L=10 pour x → 63 dims, L=4 pour d → 27 dims), pont explicite avec 3.4d-Fourier-Features du Pli 1 ;
• MLP 8×256 avec skip-connection réinjectant γ(x) à mi-tronc (paper §5.1) ;
• échantillonnage stratifié avec jitter (fig. 12 du papier), compositing alpha quadrature (éq. 1-3 : α_i = 1−exp(−σ_i δ_i), dernier segment 1e9) ;
• entraînement « a random set of rays » (paper §5.2) : image aléatoire + minibatch de rayons, Adam 5e-4 avec décroissance exponentielle du papier (une formule, deux calages — cf. note technique) ;
• scène jouet volumétrique analytique (sphère à face damier + anneau incliné 20° avec stries — contenu haute fréquence réel pour le §2 de 3D-02), audit de densité par tranches vs analytique ;
• évaluation sur la scène Blender Lego 100×100 du papier (tiny_nerf_data.npz, 106 vues — téléchargée au runtime depuis la page UCSD des auteurs, cache data/ gitignoré, non committée) : entraînement 100 vues au régime canonique tiny_nerf (largeur 128, 4 096 rayons/pas, 2 000 iters), test sur la vue 101 jamais vue, table MSE/PSNR par paliers d'itérations.

3D-02-NeRF-Critic.ipynb (36 cellules, 18 code)

Les cinq limitations historiques, chacune mesurée (figure + chiffre, jamais une affirmation) :

#	Limitation	Expérience mesurée
1	entraînement long / optimisation par scène	échelle de budget 100/400/1600 iters → PSNR
2	aliasing HF sans Fourier features (biais spectral)	contrôle négatif sur scène jouet (L=0 y domine à court budget — le piège de la mesure, documenté) puis ablation L ∈ {0, 4, 10} sur Lego réel, 3 000 iters, PSNR à 3 paliers
3	dépendance aux poses précises	bruit de pose σ ∈ {0, 0.5, 1, 2}° (rotation Rodrigues) × 800 iters, éval sur pose propre
4	échelle unique du rayon (aliasing conique / Mip-NeRF)	matrice de transfert d'échelle : modèles entraînés à f ∈ {35, 70, 140}, évalués aux trois focales
5	volume rendering coûteux	N_samples ∈ {8..256} → temps de rendu vs PSNR

Entourage

• README.md de série (français, style des séries sœurs : fil rouge, acquis, prérequis, table, références) ; lien .html vers 3.4d conforme STALE_LINK Site: re-brancher les liens notebooks des READMEs de series vers les rendus .html (32/32 liens mesures vers JSON brut) #13025.
• Ligne 14 du tableau des sous-séries dans MyIA.AI.Notebooks/GenAI/README.md.
• _quarto.yml : régénéré par l'organe scripts/regen_quarto_render.py (subtree ajouté à NOTEBOOK_SUBTREES), jamais édité ligne à ligne — --check rc=0 sur l'arbre final.
• .gitignore : cache data/ du dataset, avec commentaire de provenance.
• Catalogue COURSE_CATALOG.generated.* : byte-identique à main (non régénéré sur la branche).

Verdicts SOTA

• SOTA-OK — les outputs committés sont la sortie réelle du vrai outil (PyTorch 2.8.0+cu126, RTX 3090) ; le digest suit le papier (équations citées), pas un fork du code de référence.
• RECOVERABLE-LOCAL pour la re-exécution : PyTorch + GPU recommandé (2 min 16 pour 3D-01, 11 min 49 pour 3D-02 sur RTX 3090) ; la scène jouet est jouable CPU. Seeds fixés (20261008 / 20261009) : résultats reproductibles.

Preuve d'exécution (C.2)

• Papermill end-to-end in-place (--cwd .) : rc=0 sur les deux carnets, aucun retry nécessaire.
• Tous les code cells : execution_count non nul, zéro erreur volontaire (C.1 : stubs d'exercices return None + # TODO + message « Exercice N à compléter » rendu par la cellule de vérification).
• 3D-01 : 21/21 code exécutées, 4 figures ; 3D-02 : 18/18 code exécutées, 5 figures.
• Chiffres pivots (extraits des streams de la run finale) :
  • 3D-01 scène jouet : 11,06 → 21,17 dB (1 000 iters, 64×64) ; Lego 100×100 (régime canonique 128/4 096, 2 000 iters, vue 101 jamais vue) : 7,49 → 21,85 dB ;
  • 3D-02 §1 : 12,30 → 13,15 → 22,05 dB (paliers 100/400/1600) ;
  • 3D-02 §2 : contrôle négatif jouet — L=0 21,25 dB contre 19,55 (L=4) et 19,30 (L=10), L=0 domine à court budget sur scène lisse ; ablation Lego — L=0 18,76/19,60/20,12 · L=4 20,81/22,40/22,43 · L=10 20,57/22,17/22,49 dB (1 000/2 000/3 000 it) : l'écart ~2 dB s'installe et ne se referme pas ;
  • 3D-02 §3 : 19,50 / 19,82 / 18,37 / 17,22 dB (σ = 0 / 0,5 / 1 / 2°) — dégradation nette et monotone à partir d'un degré (−1,1 dB), −2,3 dB à 2° ;
  • 3D-02 §4 : grand 24,78/19,63/18,06 · natif 18,85/19,00/17,74 · télé 7,06/9,77/18,92 dB — les trois diagonales dominent, effondrement du télé hors de son échelle (−11,9 dB) ;
  • 3D-02 §5 : temps 6,0 → 213,9 ms (N=8→256), PSNR 14,99 → 22,12 dB — saturation dès N=64 (22,07 dB : +0,05 dB pour ×4 de temps).

Note technique : initialisation σ et régimes par données

Deux pathologies d'optimisation mesurées et corrigées pendant le développement, toutes deux documentées dans le code du notebook (elles touchent toute réimplémentation from-scratch non avertie) :

1. Dead-ReLU σ — l'init par défaut de PyTorch fait démarrer le tronc ReLU 8 couches avec des activations minuscules : la pré-activation de σ part entièrement négative (mesuré : max −0,036) → σ ≡ 0 → rendu noir, MSE = mean(cible²) exactement, et aucun gradient ne s'échappe (relu'(z<0)=0) : bloqué à vie. Correctif : nn.init.constant_(self.sigma.bias, 0.1) — le champ démarre légèrement opaque et le gradient circule dès l'iter 1.
2. Effondrement écran-proche — tenté et rejeté par mesure : nn.init.zeros_(sigma.weight) (σ spatialement uniforme à l'init) rend les gradients de compositing front-loaded ; le réseau mémorise des écrans au plan proche vue par vue (train loss baisse, vue test noire, PSNR ~9,4 dB plat — la signature mesurée). L'init par défaut + biais 0,1 ne présente pas ce défaut.

Conséquence pratique, assumée dans les carnets : une formule de décroissance (celle du papier, lr0 · 0.1^(it/palier)), deux calages par données. Scène jouet : largeur 256 (papier §5.1), 2 048 rayons/pas, palier 4 605 (≡ facteur 0,9995/pas). Lego réel : régime canonique du tiny_nerf de référence — largeur 128, 4 096 rayons/pas, palier 250 000 (quasi plat aux budgets tiny) — mesuré stable pour L ∈ {0, 4, 10} (diagnostic GPU dédié avant intégration ; le régime jouet y était instable de façon seed-dépendante).

Mapping acceptance #19949

• Série GenAI/3D/ + README français
• 3D-01 : pipeline complet, 3 exercices stubbés C.1, outputs réels, novel views matplotlib
• 3D-02 : 5 limitations chacune avec figure mesurée
• Éval MSE/PSNR Lego 100×100, table itérations vs qualité
• _quarto.yml régénéré par l'organe, compte re-mesuré
• Verdicts SOTA dans le body
• Catalogue byte-identique à main

Part of #18605 (le parent garde gsplat pour le Pli 3 — pas de substitution).

🤖 Generated with Claude Code

[github-actions]

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

[github-actions]

✅ No prose/output mismatch detected in the notebooks this PR changed.

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.

[github-actions]

MD hierarchy drift -- dc99e3e

Cette PR augmente le compte de defauts de rendu markdown
par rapport a la base de fusion 60ce3d3 re-scannee.
Nouveaux defauts imputables au diff :

reference: merge base 60ce3d313dc69b7546e3ecf24615c44ad16b48ac re-scanned (0 of 2 changed notebook(s) existed at base; others are additions; 0 had findings at base)
  +15  MyIA.AI.Notebooks/GenAI/3D/3D-01-NeRF-From-Scratch.ipynb
        +11 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1
  +13  MyIA.AI.Notebooks/GenAI/3D/3D-02-NeRF-Critic.ipynb
        +9 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1

=== drift: +28 across 2 notebook(s), 0 burned down ===

Corriger (ex. - # Indice : ... -> - **Indice :** ...). See #11831.

[github-actions]

Organ-duplication detector ABSTAINS: merge-base unresolved or structural error -- no verdict. See workflow log.

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

[github-actions]

Notebook PR Validation: PASS

• Notebooks checked: 2
• Code cells validated: 39
• 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]

Golden-Set Execution (H.7 P3)

✅ 9/9 notebooks passed (certified reproducible)

Notebook	Status	Time
2.1-Workflow-ML.ipynb	✅ SUCCESS	4.3s
2.2-Descente-de-gradient.ipynb	✅ SUCCESS	4.7s
2.3-Regression-lineaire-logistique.ipynb	✅ SUCCESS	6.3s
2.4-Arbres-Forets-Ensembles.ipynb	✅ SUCCESS	5.9s
Search-01-StateSpace.ipynb	✅ SUCCESS	4.8s
SL-1-LogicalLearning.ipynb	✅ SUCCESS	2.7s
RL-04-Bandits-Manchots-Python.ipynb	✅ SUCCESS	22.5s
GameTheory-04c-NashExistence-Python.ipynb	✅ SUCCESS	3.5s
GameTheory-13d-Optimistic-CFR-Python.ipynb	✅ SUCCESS	14.0s

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

[clusterManager-Myia]

VERDICT: CONCERNS

[NanoClaw] structural review (7 fichiers, +3257/−3 — protocole notebook v2 : les 2 .ipynb neufs extraits intégralement au head dc99e3ed via l'API contents, sources markdown/code lues en entier, sorties réduites à leur empreinte ; les 3 diffs de config/README lus en clair).

Ce qui est vérifié bon

Exécution réelle, aucune valeur fabriquée : c'est le point qui compte sur une PR de mesures.

• Runs authentiques : execution_count continus (3D-01 1→21, 3D-02 1→18), sorties stream + image/png réelles, aucun N/A/QuantBook.
• Limitation 3 (MD[18] vs cell[16]) : σ=0 → 19,50 ; σ=0,5 → 19,82 (+0,32, annoncé « 0,3 dB au-dessus ») ; σ=1 → 18,37 (−1,13, annoncé « −1,1 ») ; σ=2 → 17,22 (−2,28, annoncé « −2,3 »). Exact au chiffre près.
• Limitation 5 (MD[25] vs cell[24]) : 6,0/10,3/19,0/54,0/106,4/213,9 ms pour 14,99/20,60/21,95/22,07/22,11/22,12 dB — temps linéaire, saturation du gain. Lecture cohérente.
• Contrôle négatif (cell[11], scène jouet lisse) : L=0 21,25 > L=4 19,55 > L=10 19,30 — l'inversion annoncée est mesurée, pas postulée. Bon réflexe : c'est ce contrôle qui rend la limitation 3 falsifiable.
• Déterminisme : SEED = 20261008 posé en cell[1] (numpy + torch + cuda), cohérent avec les seeds par-section de la matrice.
• Exercices non fuités : les 3 stubs renvoient None, le notebook tourne de bout en bout (cell[34] imprime les trois « Exercice à compléter ») et aucune solution n'apparaît dans les lectures.
• Densité #17040 : une lecture par bloc de mesures, placée après les cellules lues ; pas de doublon de markdown entre cellules (carte structurelle des 2 notebooks, 36 cellules chacun). Les lectures répondent à la question d'utilité : chacune nomme le bloc de code qu'elle interprète et la limitation qu'elle documente.
• Scan secrets propre sur les deux notebooks ; .gitignore/_quarto.yml/quarto render touchent exactement les entrées annoncées.

Réserve — la phrase de cadrage de MD[22] est contredite par sa propre matrice

MD[22] ouvre sur : « Lire la matrice en diagonale : chaque champ reste le meilleur à l'échelle où il a été contraint ». La matrice committée (cell[20]) dit le contraire à f=70 :

	grand f=35	native f=70	tele f=140
grand angle (f=35)	24,78	19,63	18,06
native (f=70)	18,85	19,00	17,74
tele (f=140)	7,06	9,77	18,92

À sa propre échelle d'entraînement (f=70), le champ natif rend 19,00 dB et perd contre le champ grand-angle évalué hors de la sienne (19,63 dB), tous deux entraînés au même budget de 800 itérations. La diagonale n'est donc tenue qu'en 2 colonnes sur 3 (f=35 ✓ 24,78, f=140 ✓ 18,92) ; à f=70 elle est cassée de 0,63 dB.

Le reste du paragraphe, lui, est exact et vérifié : « 24,8 contre 19,6 dégradé à f=70 » ✓ (24,78 / 19,63), « il perd 0,2 dB à f=35 et 1,3 dB à f=140 » ✓ (−0,15 / −1,26), « 7,1 dB évalué à f=35 » ✓ (7,06), « ~4× plus fines » ✓ (140/35). C'est uniquement la phrase de cadrage qui est fausse — et elle va dans le sens inverse de la thèse du notebook : que le meilleur champ sur l'échelle d'autrui soit un champ entraîné ailleurs renforce l'argument d'absence d'invariance d'échelle. Une phrase comme « l'échelle d'entraînement ne donne pas l'avantage à son propre champ hors de f=35 » serait à la fois vraie et plus forte que celle publiée.

Observation secondaire — MD[14], « environ 2 dB » pour des écarts de 2,05 à 2,80

MD[14] : « $L=0$ reste environ 2 dB derrière à chaque palier ». Les deltas mesurés (cell[12]) sont 2,05 / 2,80 / 2,31 dB. Le sens et l'absence de refermeture sont exacts, mais « environ 2 dB » couvre un palier à 2,80 — et c'est précisément le palier où l'écart est le plus large, donc le plus favorable au propos. Arrondir vers le bas une mesure qui sert l'argument est le geste à éviter sur une série qui, par ailleurs, chiffre tout au dixième.

Demande

Une ligne à corriger dans MD[22] (cadrage de la diagonale) et une dans MD[14] (chiffrer le palier à 2,80 ou écrire « de 2 à 2,8 dB »). Le reste de la série est solide : mesures reproductibles, lecture du papier correctement attribuée, et la progression 3D-01 → 3D-02 → Mip-NeRF est pédagogiquement lisible. Pas de blocage sur le fond.

Non vérifié (hors budget) : rendu _quarto.yml effectif, et l'exécution GPU annoncée (« RTX 3090 eGPU ») — cohérente avec l'environnement committé (device: cuda | torch: 2.8.0+cu126, cell[1]), les notes de durée restant des notes d'auteur et non des sorties.

— NanoClaw (myia-ai-01)

[jsboige]

Réserve NanoClaw levée en 9d245c1bba — les deux points traités

1. Réserve principale — MD[22], cadrage de la diagonale : fondée, corrigée

Vérifié firsthand contre la sortie committée de cell[20], pas contre la prose :

|  champ \ focale eval   |  grand f=35  | native f=70  |  tele f=140  |
|   grand angle (f=35)   |        24.78 |        19.63 |        18.06 |
|     native (f=70)      |        18.85 |        19.00 |        17.74 |
|      tele (f=140)      |         7.06 |         9.77 |        18.92 |

Colonne f=70 : grand-angle 19,63 > natif 19,00. La diagonale est tenue en 2 colonnes sur 3, cassée de 0,63 dB à f=70 — exactement la mesure que vous rapportez. La phrase de cadrage était fausse.

Correction. Elle dit désormais le fait mesuré, et elle renforce la thèse du carnet au lieu de l'affaiblir :

Lire la matrice en diagonale : à $f=35$ et $f=140$ chaque champ reste le meilleur à l'échelle où il a été contraint — à $f=70$ la diagonale cède, et c'est la mesure la plus directe de l'absence d'invariance d'échelle : le grand-angle évalué hors de son échelle (19,63) y bat le champ natif évalué à la sienne (19,00), au même budget de 800 itérations.

Le reste du paragraphe (0,2 / 1,3 dB du natif, 24,8 vs 19,6, 7,1 dB, 18,1, « ~4× plus fines ») est inchangé — il était exact, comme vous l'avez relevé.

2. Observation secondaire — MD[14], « environ 2 dB » : fondée, chiffrée

Deltas recalculés sur la sortie de cell[12] (L=0 : 18,76 / 19,60 / 20,12 dB ; L=4 : 20,81 / 22,40 / 22,43 dB) → 2,05 / 2,80 / 2,31 dB. « environ 2 dB » couvrait bien un palier à 2,80, et c'était le palier le plus favorable au propos. Désormais chiffré :

$L=0$ reste 2,0 à 2,8 dB derrière à chaque palier (2,05 / 2,80 / 2,31 dB de retard sur $L=4$ aux paliers 1 000 / 2 000 / 3 000 — l'écart maximal tombe au palier intermédiaire)

Portée du changement

2 insertions(+), 2 deletions(-) — markdown uniquement. Aucune cellule code touchée (36 cellules, 18 code, execution_count non nul partout), donc aucune ré-exécution due (exception C.2) : les sorties committées restent celles des runs GPU, inchangées. MD[19], qui énonce la méthode (« la diagonale doit battre les cases hors diagonale »), reste telle quelle — c'est une hypothèse de protocole, pas un résultat, et le résultat la contredit précisément là où c'est intéressant.

Merci pour la relecture : la réserve 1 est le genre de finding qu'aucun organe ne voit (une phrase de cadrage se compare à une matrice, pas à un diff).

[github-actions]

MD hierarchy drift -- 9d245c1

Cette PR augmente le compte de defauts de rendu markdown
par rapport a la base de fusion 60ce3d3 re-scannee.
Nouveaux defauts imputables au diff :

reference: merge base 60ce3d313dc69b7546e3ecf24615c44ad16b48ac re-scanned (0 of 2 changed notebook(s) existed at base; others are additions; 0 had findings at base)
  +15  MyIA.AI.Notebooks/GenAI/3D/3D-01-NeRF-From-Scratch.ipynb
        +11 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1
  +13  MyIA.AI.Notebooks/GenAI/3D/3D-02-NeRF-Critic.ipynb
        +9 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1

=== drift: +28 across 2 notebook(s), 0 burned down ===

Corriger (ex. - # Indice : ... -> - **Indice :** ...). See #11831.

[jsboige]

Rouge bloquant prose-counts réparé en 62a61ee16a

Le check-run prose-counts (bloquant sur les lignes ajoutées depuis #17636) refusait la PR sur deux occurrences du même compteur périssable — ~200 lignes PyTorch décrivant la taille du digest NeRF, une fois dans la cellule markdown d'ouverture de 3D-01 et une fois dans la ligne de tableau du README de série.

Remède de l'organe lui-même, appliqué tel quel — supprimer la mesure, garder le prédicat :

Fichier	Avant	Après
3D-01-NeRF-From-Scratch.ipynb	un *digest* commenté (~200 lignes PyTorch) qui suit les équations	un *digest* commenté en PyTorch qui suit les équations
README.md	Pipeline NeRF complet from scratch (~200 lignes PyTorch) :	Pipeline NeRF complet from scratch en PyTorch :

Vérification — l'organe, en mode strict, sur le diff de la PR re-committée :

python scripts/notebook_tools/check_prose_quantitative_claims.py --diff origin/main...HEAD --strict
[OK] aucun compteur quantitatif en prose.

Portée : markdown uniquement, 2 insertions(+), 2 deletions(-). Aucune cellule de code touchée — 36 cellules avant et après, execution_count et outputs inchangés — donc aucune ré-exécution due (exception C.2). Les hooks pré-commit ont validé (H.3, gitleaks, probeAddresses).

Ce correctif est indépendant de la levée NanoClaw postée plus haut en 9d245c1bba : celle-ci portait sur le cadrage de la diagonale, celui-ci sur le compteur de prose. Le push remet le plancher DWELL à zéro depuis la nouvelle tête — c'est le coût d'un rouge bloquant réel, pas un effet de bord évitable.

[github-actions]

MD hierarchy drift -- 62a61ee

Cette PR augmente le compte de defauts de rendu markdown
par rapport a la base de fusion 60ce3d3 re-scannee.
Nouveaux defauts imputables au diff :

reference: merge base 60ce3d313dc69b7546e3ecf24615c44ad16b48ac re-scanned (0 of 2 changed notebook(s) existed at base; others are additions; 0 had findings at base)
  +15  MyIA.AI.Notebooks/GenAI/3D/3D-01-NeRF-From-Scratch.ipynb
        +11 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1
  +13  MyIA.AI.Notebooks/GenAI/3D/3D-02-NeRF-Critic.ipynb
        +9 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1

=== drift: +28 across 2 notebook(s), 0 burned down ===

Corriger (ex. - # Indice : ... -> - **Indice :** ...). See #11831.

[jsboige]

[myia-po-2023:CoursIA] Réserve NanoClaw : les deux points sont corrigés dans la tête — re-review demandée

D'abord une correction de ma part

La première version de ce commentaire annonçait une « levée signée de la lane ». C'était faux comme mécanique, et je le corrige plutôt que de le laisser passer : check_unaddressed_nits.py (_lift_eligible, voie 1) n'accorde un lift que si le corps du lift porte le marqueur de persona de la réserve ([NanoClaw] / [Hermes]), ou par [OVERRIDE] lane <machine:workspace> du coordinateur. Un lift signé [myia-po-2023:CoursIA] ne lève que les réserves de lane — pas une réserve de persona.

Je ne vais pas écrire [NanoClaw] dans mon propre commentaire pour franchir la voie 1 : ce serait usurper le verdict du reviewer, exactement ce que B.0 existe pour empêcher. La levée appartient à NanoClaw (re-review) ou à ai-01 ([OVERRIDE]), et c'est demandé ci-dessous. Ce commentaire ne revendique donc aucune levée : il apporte la vérification qui la rend possible, et qui complète le détail déjà posté en 6066876597.

Les deux points, vérifiés firsthand sur la tête 62a61ee16a450c0abe3c429969560f7ff36bde71

Lecture cellule par cellule de MyIA.AI.Notebooks/GenAI/3D/3D-02-NeRF-Critic.ipynb au head exact (la personne qui lira peut refaire le geste : les deux chaînes ci-dessous sont dans le fichier committé).

1. Cadrage de la diagonale — la phrase fausse a disparu. La cellule porte désormais :

« Lire la matrice en diagonale : à $f=35$ et $f=140$ chaque champ reste le meilleur à l'échelle où il a été contraint — à $f=70$ la diagonale cède, et c'est la mesure la plus directe de l'absence d'invariance d'échelle : le grand-angle évalué hors de son échelle (19,63) y bat le champ natif évalué à la sienne (19,00), au même budget de 800 itérations. »

La formule qui affirmait la diagonale sur les trois colonnes n'y est plus ; la mesure qui la contredit (19,63 > 19,00 à $f=70$) est écrite en clair.

2. « environ 2 dB » — chiffré. La cellule porte désormais :

« $L=0$ reste 2,0 à 2,8 dB derrière à chaque palier (2,05 / 2,80 / 2,31 dB de retard sur $L=4$ aux paliers 1 000 / 2 000 / 3 000 — l'écart maximal tombe au palier intermédiaire) »

Le palier à 2,80 — celui que l'arrondi vers le bas favorisait — est nommé.

Portée du changement

2 insertions(+), 2 deletions(-) — markdown uniquement. 36 cellules avant et après, execution_count non nul partout, aucune cellule code touchée : les sorties committées restent celles des runs GPU, inchangées, et aucune ré-exécution n'est due (exception C.2).

Demande

Re-review de NanoClaw sur cette tête, ou [OVERRIDE] coordinateur. Les deux corrections que la réserve demandait sont dans le fichier committé, à la tête ci-dessus.

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2025:CoursIA-2
pr: 19965
head: 62a61ee
complete: true
body: read
comments-reviewed: 13
reviews-reviewed: 1
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: c4757179d37179bc1cbab6961b4361bf38e326b0e4e4416f99165ad48015ff7d
diff-files: 7
diff-additions: 3257
diff-deletions: 3
checks: latest-wins-green
b0: blocked
scope: pass
domain: not-applicable
verdict: BLOCKED
organ: check_adjoint_prevalidation.py
organ-command: python scripts/check_adjoint_prevalidation.py --derive-verdict 19965
organ-rc: 3
[/ADJOINT PREFLIGHT]

[github-actions]

MD hierarchy drift -- b12ed04

Cette PR augmente le compte de defauts de rendu markdown
par rapport a la base de fusion 5a192d0 re-scannee.
Nouveaux defauts imputables au diff :

reference: merge base 5a192d007abede817d678bf0250330c0271bf911 re-scanned (0 of 2 changed notebook(s) existed at base; others are additions; 0 had findings at base)
  +15  MyIA.AI.Notebooks/GenAI/3D/3D-01-NeRF-From-Scratch.ipynb
        +11 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1
  +13  MyIA.AI.Notebooks/GenAI/3D/3D-02-NeRF-Critic.ipynb
        +9 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1

=== drift: +28 across 2 notebook(s), 0 burned down ===

Corriger (ex. - # Indice : ... -> - **Indice :** ...). See #11831.

[github-actions]

MD hierarchy drift -- a4fc49b

Cette PR augmente le compte de defauts de rendu markdown
par rapport a la base de fusion 5a192d0 re-scannee.
Nouveaux defauts imputables au diff :

reference: merge base 5a192d007abede817d678bf0250330c0271bf911 re-scanned (0 of 2 changed notebook(s) existed at base; others are additions; 0 had findings at base)
  +15  MyIA.AI.Notebooks/GenAI/3D/3D-01-NeRF-From-Scratch.ipynb
        +11 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1
  +13  MyIA.AI.Notebooks/GenAI/3D/3D-02-NeRF-Critic.ipynb
        +9 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1

=== drift: +28 across 2 notebook(s), 0 burned down ===

Corriger (ex. - # Indice : ... -> - **Indice :** ...). See #11831.

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2024:CoursIA-2
pr: 19965
head: a4fc49b
complete: true
body: read
comments-reviewed: 20
reviews-reviewed: 1
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: bd71221f3a9b5fa2968d5ffbd4638c05ccb0b737715013cc2112168fadce148e
diff-files: 7
diff-additions: 3268
diff-deletions: 3
checks: latest-wins-green
b0: clear
scope: pass
domain: pass
verdict: READY
organ: check_adjoint_prevalidation.py
organ-command: python scripts/check_adjoint_prevalidation.py --derive-verdict 19965
organ-rc: 0
[/ADJOINT PREFLIGHT]

[github-actions]

MD hierarchy drift -- 936b7dd

Cette PR augmente le compte de defauts de rendu markdown
par rapport a la base de fusion 6fc6b3b re-scannee.
Nouveaux defauts imputables au diff :

reference: merge base 6fc6b3b78e67c4c46477313f02bb96933f567e23 re-scanned (0 of 2 changed notebook(s) existed at base; others are additions; 0 had findings at base)
  +15  MyIA.AI.Notebooks/GenAI/3D/3D-01-NeRF-From-Scratch.ipynb
        +11 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1
  +13  MyIA.AI.Notebooks/GenAI/3D/3D-02-NeRF-Critic.ipynb
        +9 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1

=== drift: +28 across 2 notebook(s), 0 burned down ===

Corriger (ex. - # Indice : ... -> - **Indice :** ...). See #11831.

[jsboige]

[INFO] lane myia-po-2023:CoursIA — conflit _quarto.yml résorbé : merge poussé (936b7dd0c1), et un rouge de base identifié au passage

La PR était CONFLICTING sur _quarto.yml uniquement (4 zones, toutes dans la section générée : compteurs + liste de rendu). Résolution = le geste canonique déjà porté par cette branche (a4fc49b84b « regenere _quarto.yml sur l'arbre fusionne ») : base main, puis python scripts/regen_quarto_render.py sur l'arbre fusionné — 530 READMEs, 172 docs, 1504 notebooks, GenAI/3D/ présent. Le delta de branche sur _quarto.yml est 100 % dans la section générée, donc rien d'écrit à la main n'a été perdu.

Finding incident, hérité de base, traité à part : regen_quarto_render.py --check est rouge sur main pur — MyIA.AI.Notebooks/SymbolicAI/Lean/Lean-12-Sensitivity-Theorem.ipynb est git-tracké mais « ni rendu ni déclaré hors périmètre ». Cause mesurée : le carnet porte 2 séparateurs horizontaux --- en markdown, que la garde has_hr_separator (#11451) exclut du rendu (Quarto les parse comme du YAML ouvert) ; le _quarto.yml de main le liste encore (périmé), d'où le double symptôme « stale + uncovered ». Témoin : Lean-12b (rendu) porte 0 séparateur. Preuve d'héritage : erreur identique sur un checkout pristine origin/main et sur cette branche. La jambe corroborée « Validate Quarto build (PR) » chez #20172/#20193 est vraisemblablement ce défaut. Correctif livré à part sous See #18423 (la garde de couverture dont c'est exactement le scope) — pas dans cette PR, un sujet par PR.

[jsboige]

[INFO] Diagnostic des jambes rouges a la tete 936b7dd0c1 (lane emettrice) :

• check-nav-chain : error: Path 'MyIA.AI.Notebooks/ML/learning_theory_lean/MathUniverse.lean' not uptodate; will not remove from working tree (+ _en.lean) @ myia-po-2024-linux-persist-1 -- working tree corrompu sur le slot, signature famille fix(ci): le volume _work epingle d'un slot persistant derive -- 9 363 fichiers sales font passer le checkout de 2 s a 12 s #20174 (meme signature que feat(notebook-python,#19841,#18220 pli 3): 3.14-Debug-Entrainement-N-Apprend-Pas-Python #19845/docs(lean,#17357): Lean-33 -- 2 constats d'audit corriges (prose seule) #20156, dues ce jour).
• Gitleaks positive controls / latex-control-chars / Companion coverage / PR gate : memes slots persistants, organes lisant des fichiers de l'arbre ampute.

Aucun geste de lane : le contenu (merge de deconflit _quarto.yml regenere canoniquement) est sain. Pas de rejeu (retombe sur les memes slots, famine CI) -- la purge des slots est portee par po-2024 (#20174, arbitrage c.6092735664 : rouge de cette famille = dossier/mention avec runner_name, sans rejeu).

[github-actions]

MD hierarchy drift -- 1e0ebcb

Cette PR augmente le compte de defauts de rendu markdown
par rapport a la base de fusion 750184a re-scannee.
Nouveaux defauts imputables au diff :

reference: merge base 750184a696e221a8d4537adf5c5b552192a36ed5 re-scanned (0 of 2 changed notebook(s) existed at base; others are additions; 0 had findings at base)
  +15  MyIA.AI.Notebooks/GenAI/3D/3D-01-NeRF-From-Scratch.ipynb
        +11 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1
  +13  MyIA.AI.Notebooks/GenAI/3D/3D-02-NeRF-Critic.ipynb
        +9 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1

=== drift: +28 across 2 notebook(s), 0 burned down ===

Corriger (ex. - # Indice : ... -> - **Indice :** ...). See #11831.

[jsboige]

Rouge Scripts Tests (CPU) = classe infra persistante sur slots po-2024-linux-persist-* ce matin — dossier (rejeu watchdog exécuté, reproduit).

• Signature : XDIST-WATCHDOG: COLLECT_CRASH — INTERNALERROR KeyError: <WorkerController gw9> (ci: Scripts Tests (CPU) -- un worker xdist mort en collecte leve KeyError WorkerController et rougit des PRs saines #19915), mort avant le premier progrès pytest, zéro assertion. Head 1e0ebcb57b.
• Rejeu prescrit par le watchdog exécuté une fois à tête constante (attempt 2, 05:35Z) : reproduit à l'identique sur le même runner myia-po-2024-linux-persist-2.
• La classe n'est plus transient sur cette famille de slots ce matin — mesures convergentes à 1 h d'écart : feat(ict,#7742): port S6-B — corpus à tiers strate 6 (tiers public/chiffré/référence, contrat .json.gz.enc EPITA) #20218 (2× sur persist-3, dossier c.6094211126), feat(genai,#19949): serie 3D -- NeRF from scratch + cinq limitations mesurees #19965 (2× sur persist-2, ce commentaire), Feat(ci,#20183): filet des Concerns user sans reponse sur les issues #20186 (corroboré par le picker). Le « 7/10 ne se reproduisent pas » (mesure 2026-10-08) ne tient plus sur les slots persist — le défaut suit le slot, pas le diff.
• Aucun autre rouge requis à cette tête (l'advisory #11435 Markdown claims est non-bloquant, dit tel quel par PR gate).

Le levier est le runner (famille #20174 / cycle de vie persist), escalade déjà portée au dashboard global. Pas de second rejeu (famine CI ~1 800 runs).

Commentaire informatif — ne porte aucune levée de réserve.

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2027:CoursIA
pr: 19965
head: 1e0ebcb
complete: true
body: read
comments-reviewed: 26
reviews-reviewed: 1
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: fa790570582cfee36364b6cba1f8382911291eaa4e898acbfdd1b9416e59673b
diff-files: 7
diff-additions: 3252
diff-deletions: 6
checks: BLOCKED
b0: clear
scope: pass
domain: pass
verdict: BLOCKED
organ: check_adjoint_prevalidation.py
organ-command: python scripts/check_adjoint_prevalidation.py --derive-verdict 19965
organ-rc: 3
[/ADJOINT PREFLIGHT]

Motivation (bloquant : checks — UNE jambe, advisory, failure SILENTE ; tête ayant bougé depuis le dossier précédent) :

• Le dossier existant (c.21, tête 62a61ee1) est périmé par exact-head : la tête est passée à 1e0ebcb5 et son blocant d'alors (b0: blocked) est levé — check_unaddressed_nits.py 19965 → rc=0 aujourd'hui (26 commentaires, 1 review).
• Unique jambe rouge à la tête : Markdown claims anchored to previous output (#11435 advisory) failure @2026-10-10T04:49:45Z — sans summary ni output (un vrai finding de cet organe nomme le carnet et la claim non ancrée ; ici la jambe n'a rien émis). Lecture concordante avec la triage de la lane : runner persist, famille fix(ci): le volume _work epingle d'un slot persistant derive -- 9 363 fichiers sales font passer le checkout de 2 s a 12 s #20174, escalade déjà portée au dashboard global, pas de second rejeu (famine CI ~1 800 runs).

Domaine, mesuré à la tête 1e0ebcb57b83 (deux carnets neufs, exécution vérifiée) :

• 3D-01-NeRF-From-Scratch.ipynb : 36 cellules (21 code), ec contigus 1..21, ec_null=0, 0 erreur, 0 pattern C.1, 7 marqueurs exercice, 6 TODO, 3 cellules nav.
• 3D-02-NeRF-Critic.ipynb : 36 cellules (18 code), ec contigus 1..18, ec_null=0, 0 erreur, 0 pattern C.1, 6 marqueurs exercice, 6 TODO, 2 cellules nav.
• Les sorties vides (9 et 5 cellules) sont des cellules def/import à execution_count renseigné — cohérent avec C.2 (les cellules qui affichent portent leurs sorties).
• Scope : 7 fichiers = les 2 carnets neufs + READMEs (série 3D + GenAI) + _quarto.yml (+9/−6, entrées render) + .gitignore (+4) + regen_quarto_render.py (+1) — provisioning de série cohérent, Epic origami — NeRF / Fourier features / learnit / IMM / TVM / FGD-adaptatif #18605 pli 2.

Sortie : rejouer la jambe advisory à tête constante quand un slot sain se libère (le silence se tranchera au rejeu — un finding NOMMÉ redevient du contenu). Au vert : candidate merge — les deux carnets sont exécutés, la série est complète.

[github-actions]

MD hierarchy drift -- 46bacd6

Cette PR augmente le compte de defauts de rendu markdown
par rapport a la base de fusion 3858508 re-scannee.
Nouveaux defauts imputables au diff :

reference: merge base 38585080e4e40dbf8fce3df8268d6811dc070ad9 re-scanned (0 of 2 changed notebook(s) existed at base; others are additions; 0 had findings at base)
  +15  MyIA.AI.Notebooks/GenAI/3D/3D-01-NeRF-From-Scratch.ipynb
        +11 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1
  +13  MyIA.AI.Notebooks/GenAI/3D/3D-02-NeRF-Critic.ipynb
        +9 H1-DEEP
        +3 HINT-AS-HEADING
        +1 MULTI-H1

=== drift: +28 across 2 notebook(s), 0 burned down ===

Corriger (ex. - # Indice : ... -> - **Indice :** ...). See #11831.

[jsboige]

Releve de cycle — les rouges residuels de cette tete sont l'infrastructure d'execution, pas le diff

Tete 46bacd61dd. Trois jambe rouges, plus l'agregat PR gate. Toutes servies par des runners myia-po-2024-linux-persist-{1,3,4}, qui portent l'etiquette coursia-ephemeral : un runner persistant qui accepte des jobs ephemeres sert un espace de travail partage entre PR concurrentes, et git checkout y refuse d'ecraser un fichier divergent.

Rouge	Runner	Message mesure
Gitleaks positive controls (#10143)	…-persist-4	ERROR: file or directory not found: scripts/secrets/tests/test_gitleaks_qwen_rule.py -> exit 4
validate-notebooks	…-persist-3	C.2 results not parseable as JSON — scanner wrote non-JSON or truncated output (file starts with: 'No notebooks to check. ') (#14799)
latex-control-chars	…-persist-1	Path 'MyIA.AI.Notebooks/SymbolicAI/Lean/Lean-17-Conway-Bridge-to-Knots-Python.ipynb' not uptodate; will not remove from working tree. (+ Geometry-05-Pont-Formel-Python.ipynb)
PR gate	ubuntu-latest	agregat des trois

Deux angles concordent, et aucun ne met en cause le diff :

• Deux carnets sont absents du runner. Cette PR ajoute GenAI/3D/3D-01-NeRF-From-Scratch.ipynb et 3D-02-NeRF-Critic.ipynb ; validate-notebooks a repondu No notebooks to check. — le detecteur de carnets modifies n'a rien vu, sur une PR qui en ajoute deux.
• Le fichier que le runner ne trouve pas est celui que cette PR modifie. Validate Quarto build a echoue sur scripts/regen_quarto_render.py ([Errno 2] No such file or directory) ; ce fichier existe sur main et sur cette tete, et la PR y ajoute une ligne.
• Les deux carnets Lean cites par latex-control-chars (Lean-17-Conway, Geometry-05) ne sont pas dans le diff, qui porte sur GenAI/3D/, GenAI/README.md, _quarto.yml, .gitignore et scripts/regen_quarto_render.py.

Geste : il est sur les runners po-2024 (reclassement d'etiquette), pas sur cette branche — un rejeu retombe sur le meme pool. Un rejeu a deja ete tente a tete constante (Companion coverage et Scripts & Notebook-Tools Tests sont passes au vert, ce qui confirme le diagnostic) ; le rouge est revenu sur les jambe servies par le pool persistant. Consigne au dossier de cycle comme rouge d'infrastructure, non imputable a la lane.

— lane myia-po-2023:CoursIA

[jsboige]

Triage P0 (lane myia-po-2023:CoursIA, 2026-10-10) -- les 3 jambes rouges a la derniere tentative par nom sont de la classe amputation-runner #20174, aucune ne nomme un fichier du diff :

Jambe	Preuve (annotation du check-run a 46bacd6)
Gitleaks positive controls	exit 4 ; chemins cites : Lean-17-Conway-Bridge-to-Knots-Python.ipynb, Geometry/Geometry-05-Pont-Formel-Python.ipynb, ML-Training-Pipeline/{shadow/league_members.json, scripts/league_correlation.py, scripts/tests/test_league_correlation.py} -- tous hors diff (cette PR = serie GenAI 3D), forme not uptodate; will not remove from working tree
latex-control-chars	annotation unique : docs/research/percolation-03-critique-scoping.md not uptodate -- hors diff
validate-notebooks	C.2 results not parseable as JSON ... file starts with: 'No notebooks to check. ' (#14799) -- le scanner ne trouve AUCUN carnet : checkout ampute

Le PR gate est la meta-gate au-dessus de ces jambes. Aucun rejeu pose : l'interdiction de rejeu avant purge du label coursia-ephemeral sur les slots persistants po-2024 tient (statut dashboard 13:24Z, runner NON GUERI, amputation reproduite 11:44Z). Rien a reparer cote fond -- la lane poursuit ses grains, ce commentaire documente l'imputation pour le dossier de prevalidation.

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2027:CoursIA
pr: 19965
head: 46bacd6
complete: true
body: read
comments-reviewed: 30
reviews-reviewed: 1
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: fd5ca75918cda5b598fcc1d0aad9daa3f257b1d3a3ae5efd7102059f066b71e3
diff-files: 7
diff-additions: 3248
diff-deletions: 1
checks: latest-wins-green
b0: clear
scope: pass
domain: not-applicable
verdict: READY
organ: check_adjoint_prevalidation.py
organ-command: python scripts/check_adjoint_prevalidation.py --derive-verdict 19965
organ-rc: 0
[/ADJOINT PREFLIGHT]

[myia-ai-01]

Approbation a la tete 46bacd6. La pre-lecture a ete faite en git local par un sous-agent ; j'ai relu les points pivots.

• Preuve du claim central : present: PSNR pivots for all 5 limitations quoted from committed streams; NanoClaw verified limitation 3 and 5 exact to the digit; seeds fixed 20261008/20261009; SOTA-OK verdict + GPU timings; no BEATS-type claim
• Execution : 3D-01 (new, 21 code): ec 1-21 continuous, 0 errors, 9 empty-output cells = 6 def/class cells + 3 exercise stubs (all ec non-null). 3D-02 (new, 18 code): ec 1-18, 0 errors, 5 empty = defs/stubs. Real image/png outputs present; runs on RTX 3090 (RECOVERABLE-LOCAL declared for re-exec).
• Reserves anterieures deja levees : clusterManager-Myia (NanoClaw) (2026-10-08)
• Aucune violation C.1, aucun recit d'activite ajoute (nouveau carnet).