jesse-ux
2d2467dca1
Build holdout v4 from the public AA set, correct the two v3 dates, and sweep R1–R5 plus pairs offline. No production scoring defaults change. No implementation brief: delivered width stays the full window on every radius.
2.7 KiB
2.7 KiB
Holdout v4 构建说明（2026-09-14）
- 口径：ayanamsa
raman，node modemean。 - 父集：
references/real_case_calibration/minute_rectification_holdout_v3.json（20 例公开 Rodden-AA）。 - 产物：
references/real_case_calibration/minute_rectification_holdout_v4.json - 生成脚本：
scripts/research/holdout_v4_build.py - 隐私：只用公开名人传记，不用真实用户资料。
为什么 v3 不能当尺度改动的否决门
| 项 | v3 | 真实会话 / 本产品 |
|---|---|---|
| 每例事件 | 恰好 3 | 5–18 |
| 每例领域 | 2–3 | ≥4 才像一次问完的会话 |
| 搜索半径 | 全部 ±10 | 产品有 ±15/30/60/120 |
| 来源审计 | invalidated_after_replay（两处日期错） |
应用工作日期必须是核实过的 |
| 事件精度 | 多为 year | 会话里 year 也多，但 3 条 year 事件几乎没有分钟方差 |
BUG-560 用 v3 否决 offset（覆盖 12/20）时，窗口本身只有 21 分钟、每例 3 件事。底座 11.5 对变化项 2.1 的比例在这种样本上几乎看不到差异。v4 用来量尺度，不是新的封存盲测门。
v3 日期修正（任务 0）
| 事件 | 提交值 | 核实值 | 来源 |
|---|---|---|---|
robbins_marriage_1968 |
1968（年） | 1967-03-10 | Wikipedia John Robbins (author) |
takamoto_joined_disney_1947 |
1947（年） | 1945（年） | Wikipedia Iwao Takamoto |
v3 的 source_audit_status 改为 corrected_known_date_errors。它仍是每例 3 件事，不是发布门。
v4 协议
- 出生时间与地点原样继承 v3 的 Astro-Databank AA 记录。
- 每例补到 ≥7 件带年月事件、≥4 个领域。事件来自 Wikipedia / Britannica / 奥斯卡官方 / 白宫档案等公开页，且
independent_of_birth_source=true。 - 工作日期用核实过的公历，不再保留已被审计否定的盲测错年。
- 三档半径 ±10 / ±30 / ±60 写在数据集上，由测量脚本分别跑。真实分钟所在簇随打分方案变，记在 sweep 结果里，不写死在 holdout 里。
truth_hidden_from_ranker=false：这是开放评价集，用来看尺度，不是第二份封存盲测。
与 v3 的差异
- 20 例名单不变。
- 事件从 3 增到 ≥7，领域从 2–3 增到 ≥4。
- 两处错年按核实值改正，并进入 v4 工作日期。
- 明确三档半径和本仓口径。
基线成绩单
当前线上算法在 v4 上的五个指标见 docs/research/minute_resolution_2026_09_14.md。那份表才是后续改法的对照，不是 v3 的 12/20。
摘要：±10 / ±30 / ±60 头名簇命中 0.35 / 0.15 / 0.10，区间覆盖 1.00，宽度中位等于整窗（21 / 61 / 121），并列率 0.05 / 0.05 / 0.00。