Jyotisha/docs/tasks/PROGRESS-rectification-holdout-expansion-20260929.md

PROGRESS · 生时校正开放评价集扩到 ≥60 例（v5，2026-09-29）

任务书：TASK-rectification-holdout-expansion-20260929.md。分支 codex/rectification-holdout-expansion-20260929，基线 origin/staging @ 5febb111（开工时 head；78b9c5b6 之后的提交与本单无关，未 rebase）。BUG：BUG-1090（开工核对最大号 1089）。

结果一句话

v5 已建：77 例（v4 20 例原样继承 + 57 例新增公开 Rodden-AA），964 件事件；v4 子集在三个回放脚本上的基线数字与已发布数字逐格一致；分层配额除 UTC+8 5/6 外全部达标；生产代码零改动。

T1 选例协议与名单

• 协议：docs/research/holdout_v5_protocol_2026_09_29.md（入选标准、排除规则、分层配额、核对流程、2026 年事件上限）。
• 名单：references/real_case_calibration/holdout_v5_roster.json（57 例，每例 Astro-Databank URL、AA 评级、采集人、镜像页 URL、时区与地名核对结果）。
• 环境缺口：astro.com 在 2026-09-29 对自动访问返回"One moment..."拦截页，Wayback 快照间歇 000；评级与出生资料从 Astro-Seek famous-people 页读取（逐字转载 Astro-Databank 评级、采集人、日期、时间、地点、坐标、UTC 修正）。记录里同时写原页 URL 与镜像 URL。验收时若 astro.com 可访问，请抽样回到原页复核。
• 分层统计：

维度（配额）	v5	达标
出生年代 ≥3 段	14 段（1850s–1990s）	是
纬度带三档	<25° 14 / 25–45° 44 / >45° 19	是
南半球 ≥8	12	是
22:00–02:00 ≥6	9	是
UTC+8 ≥6	5	否（原因与已扫范围见构建说明 §1）

T2 事件抽取与核对

• 事件从英文 Wikipedia 纯文本（API extracts）逐句筛候选、人工选择并标注领域 / 日期 / 精度；每条保存 source.quote（逐字引文），构建脚本核对引文存在后才写入；找不到引文的行被拒收而非静默丢弃。
• 新增 57 例：每例 8–20 件，领域 ≥4；精度 day 185 / month 143 / year 493。领域键取自 DOMAIN_CONFIG。
• 拒收记录（不改数字凑合）：Borges、Allende、Arrau（时区不一致）、Corazon Aquino（地名距记录坐标 129 km）、Juan Perón（生日两源不一致）、Pope Francis（只 3 个领域）、Rod Chang / Aga Muhlach / Eugene Domingo（传记不足 4 领域）。
• 删掉 2026 年事件 2 条（Messi、Zidane）：回放脚本固定 2026-09-14 评估，计分合同拒绝晚于"今天"的事件；协议 §1.6 与构建脚本 EVENT_CUTOFF 已固化。
• schema 测试：tests/test_holdout_v5_schema.py 9 项通过（门槛、口径、v4 原样、出生记录字段、核对字段、引文、领域 / 日期 / 精度、分层汇总、roster / events 与数据集一致、构建确定性）。

T3 构建脚本

• scripts/research/holdout_v5_build.py：从 v4 + roster + events 生成 v5；--check 只校验。两次构建 md5 一致（3f8f…→ 最终版由 test_build_is_deterministic 锁定）。
• v4 的 20 例在 v5 中出生资料与事件逐字段一致（测试 test_v4_cases_are_inherited_verbatim）。

T4 基线成绩单

• scripts/research/holdout_v5_baseline.py：把 minute_resolution_sweep / cluster_width_probe / futile_collect_stop_replay（经 guided_collect_holdout_replay.load_cases）的模块常量指到指定数据集与独立输出文件，只跑 baseline 变体；不改这三个脚本。
• 硬红线 5：--dataset v4 复跑，三个脚本共 7+12+6 组数字与 minute_resolution_2026_09_14.json、cluster_width_2026_09_14.json、futile_collect_stop_replay_2026_09_29.json 逐格一致（表在 holdout_v5_build_2026_09_29.md §3；JSON holdout_v5_baseline_v4_all_2026_09_29.json）。
• v5 全集：holdout_v5_baseline_v5_all_2026_09_29.json，数字见构建说明 §4。
• 发现并处理：cluster_width_probe.run 会顺手重写 minute_resolution_2026_09_14.md 里的勘误表（数值相同、格式 15.0→15）。已 git checkout 还原该文件，并在 holdout_v5_baseline.py 里把 append_previous_errata 置空，保证复跑不碰已发布文档。

半径	引擎先验头名（v4）	六题回放头名（v4）	六题后真值在区间（v4）	六题后宽度中位（v4）	D1 六格真值在区间 truth / opposite
±10	0.18（0.35）	0.64（0.80）	76/77（20/20）	15（15）	76/77，76/77
±30	0.08（0.15）	0.49（0.55）	76/77（20/20）	35（33）	76/77，76/77
±60	0.06（0.10）	0.26（0.35）	75/77（20/20）	63（56）	75/77，75/77

真值被挤出的例与说明见构建说明 §4。

T5 文档

• docs/research/holdout_v5_build_2026_09_29.md、docs/research/ACTIVE_FRONTS.md（索引）、定论页 §8、docs/tasks/README.md 状态板、docs/BUG_HISTORY.md BUG-1090。

门禁与测试

• 生产代码零改动（git diff origin/staging --stat 只有 docs/、references/real_case_calibration/、scripts/research/holdout_v5_*.py、tests/test_holdout_v5_schema.py）。
• tests/test_repo_privacy_markers.py 全绿；test_minute_resolution_research.py、test_cluster_width_research.py 全绿（09-14 的 JSON 未改写）。
• 快速门：见文末「快速门」节。

遗留

• UTC+8 差 1 例；astro.com 原站抽样复核；Rod Chang（台湾 AA）若能找到可靠传记可补。
• 拒收的 3 例时区不一致（阿根廷 / 智利 1899–1908）值得在 astro.com 可访问后核对原记录的时区注释。

快速门

• 开工基线（origin/staging @ 5febb111，本 worktree，Node 22 in PATH）：Python 步 1001 passed / 1 skipped；随后 npm test 在 frontend 报 sh: 1: tsx: not found（worktree 没装前端依赖）→ 门失败。
• 改动后（ca54d357）：Python 步 1001 passed / 1 skipped，同一处 tsx: not found，与基线逐条一致。前端零改动，未在 worktree 安装依赖（环境缺口，非回归）。
• 定向：tests/test_holdout_v5_schema.py 9 passed；test_minute_resolution_research.py + test_cluster_width_research.py + test_repo_privacy_markers.py 全绿。

Claude 验收（2026-09-29）

• 范围：改动只在 docs/、references/real_case_calibration/（v5 三个新文件）、scripts/research/holdout_v5_*.py、tests/test_holdout_v5_schema.py；v3 / v4 数据与 10 个冻结文件零改动，校正验证完整性门禁绿。
• 确定性：holdout_v5_build.py --check 退出 0（rebase 前后各一次）。
• 硬红线 5：holdout_v5_baseline_v4_all_2026_09_29.json 里 v4 子集 sweep（±10/±30/±60 头名 0.35/0.15/0.10、覆盖 1.00、宽度 21/61/121、并列 0.05/0.05/0.00、六题回放 0.80/0.55/0.35）、cluster_width（15/33/56、覆盖 1.00）、futile 六格（20/20，宽度 14/15/15/15/34/33/34/33/53/56/53/56）与 09-14 / 09-26 / 09-29 已发布数字逐格一致。
• 来源抽样（新增 57 例的 10%，seed 20260929 抽 6 例：Bush / Kubitschek / Nadal / Dantes / Ali / Aniston）：astro.com 原页对验收方同样返回浏览器验证页；Astro-Seek 镜像页（curl 跟随 301）逐条核对出生日期、本地时间、UT 偏移（含 Kubitschek LMT +2:54）全部与 roster 一致，采集人姓名一致；评级字母在镜像页为图标非文本，未能机器提取。Nadal 两件事件与 Wikipedia 正文一致。
• 测试：schema 9 + 隐私 + 两轮研究测试 + 完整性门禁 + 打分研究测试 = 54 passed。
• 分层：年代 14 段、纬度 14/44/19、南半球 12、跨午夜 9 达标；UTC+8 5/6 未达——执行方已扫全部镜像，无更多可用 AA，属数据可得性缺口，接受并保留在 BUG-1090 记录。
• 已 rebase 到 origin/staging（四处文档冲突均为双方追加，保留两侧；定论页 §8 v5 在 §9 研究单之前）。
• 结论：通过，合入 staging。下一步：研究单在 v5 上跑 R-A / R-B / R-C 判定。