Jesse_ChenandClaude Fable 5
b56147e524
与上游流程对照补两处。①精度研究单加 M1b：上游有一张分盘分钟敏感度表 （D60=2 / D30=4 / D24=5 / D9=13.3 / D1=120 分钟换一次上升），而本仓 11 张分盘 等权再除以 22（且没有 D60）——20 分钟窗里 D30 和 D2 同分量，分辨率最高的盘被 稀释。测 V1 反比配权 / V2 按窗宽选盘 / V3 加 D60，并报过拟合风险。 ②新任务书 BUG-690：录入已收 birth_time_source 三类，但校正链只用过一次， 推算值与医院记录等同对待、输出直称「你的出生时间」。接进投影并按来源分档措辞； 医院记录与校正结果冲突时怎么说挂给产品。 Co-Authored-By: Claude Fable 5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_0155nFCgCHtoA7jhSDGmZmMu
134 lines
8.3 KiB
Markdown
134 lines
8.3 KiB
Markdown
# 研究单 · 出题闸门按证据精度分档（2026-09-14）
|
||
|
||
- 基线：`origin/staging` @ `558d43c8`（代码 `963c147c`，staging 已部署）。
|
||
- 分支：`codex/rectification-precision-gate-research-20260914`，worktree `.worktrees/rectification-precision-gate-research-20260914`。
|
||
- 性质：**离线测量，不改线上行为。** 有收益且风险可控才另立实现单。
|
||
- 前序：`docs/research/rectification_minute_resolution_closure_2026_09_14.md`（两轮定论：加权重、改聚类都不行，唯一有效的是用户补带年月经历）、`docs/research/probe_supply_after_six_2026_09_13.md`（R3/R4 已实现，收益有限）。
|
||
|
||
## 1. 问题：现在的闸门是固定的，不看证据精度
|
||
|
||
引擎造"能区分候选"的题，靠的是两个候选分钟在同一段时间里的**大运边界落在不同月份**。但有一道固定闸：
|
||
|
||
```python
|
||
# scripts/rectification/event_probes.py:543 _boundary_windows
|
||
if one.year == two.year and abs((one - two).days) < threshold: # MIN_BOUNDARY_DAYS = 45，刷新阶段 30
|
||
continue
|
||
```
|
||
|
||
配合这个换算（月亮每分钟约 0.0092°，Vimshottari 1° ≈ 122 天）：
|
||
|
||
> **出生时间每差 1 分钟，所有 Vimshottari 边界整体平移约 1.1 天。**
|
||
|
||
| 候选相隔 | 边界相差 | 45 天闸 | 30 天闸（刷新） |
|
||
| --- | ---: | --- | --- |
|
||
| 40 分钟 | ≈ 45 天 | 可出题 | 可出题 |
|
||
| 27 分钟 | ≈ 30 天 | 不可 | 勉强 |
|
||
| **20 分钟（真机常见窗口）** | **≈ 22 天** | **不可** | **不可** |
|
||
| 2 分钟 | ≈ 2 天 | 不可 | 不可 |
|
||
|
||
**这解释了"六题之后引擎就出不来题"**：剩余候选已经挤在 20 分钟内，它们的大运边界全部落在三周之内，被闸门整批丢掉。闸门本身是对的——月精度的记忆分不开相差 20 天的两条边界，问了也是白问。
|
||
|
||
**缺口在于：`event_probes.py` 从不读证据的日期精度**（全文没有 `date_precision` / `precision` 字样，`min_days` 只有两个固定取值）。所以哪怕用户给的是「2020 年 4 月 13 日入职」这种**日精度**事件，闸门仍按 45 天卡。可日精度事件本来可以分辨相差 5 天的边界——对应约 **5 分钟**的出生时间分辨率，正好是目前卡住的那一档。
|
||
|
||
## 2. 要量的东西
|
||
|
||
样本：`references/real_case_calibration/minute_rectification_holdout_v4.json`（20 例公开 AA）。实测精度分布：**日精度 59 件、年精度 84 件**，平均每例约 3 件日精度事件——够做这次测量。
|
||
|
||
### M0 · 精度处理三组（必做，用来隔离"精度本身"的收益）
|
||
|
||
真机会话以**月精度**为主，而 v4 只有年/日两档。所以同一批案例跑三组：
|
||
|
||
| 组 | 处理 |
|
||
| --- | --- |
|
||
| A | 原样（日 59 / 年 84） |
|
||
| B | 全部日精度降级成月精度 |
|
||
| C | 全部降级成年精度 |
|
||
|
||
三组都按当前生产闸门跑一遍，得到基线；这样后面的收益能归因到"精度"而不是"样本差异"。
|
||
|
||
### M1 · 闸门分档
|
||
|
||
把 `_boundary_windows` 的 `threshold` 从固定值改成**按参与该题的证据精度取值**，测这几档：
|
||
|
||
| 档 | 年精度证据 | 月精度证据 | 日精度证据 |
|
||
| --- | ---: | ---: | ---: |
|
||
| G0（现状） | 45 | 45 | 45 |
|
||
| G1 | 45 | 30 | 10 |
|
||
| G2 | 45 | 30 | 7 |
|
||
| G3 | 45 | 21 | 5 |
|
||
| G4 | 60 | 30 | 3 |
|
||
|
||
指标沿用既有五项 + 两项新的：真实分钟命中率、**真值落在交付区间的比例（不得下降）**、区间宽度中位、并列率、每轮熵降；新增 **出题数**（每例新增几道）与 **每道题的区分力**（真值簇能否落到 yes/no 一侧且另一侧还有候选）。
|
||
|
||
### M1b · 分盘按分钟敏感度配权（上游对照新增）
|
||
|
||
上游 `jyotish-app/rectification-engine.js` 开头有一张**分盘分钟敏感度表**（每张盘多少分钟换一次上升）：
|
||
|
||
| 分盘 | D1 | D9 | D10 | D12 | D4 | D24 | D30 | D60 |
|
||
| --- | ---: | ---: | ---: | ---: | ---: | ---: | ---: | ---: |
|
||
| 换一次需要（分钟） | 120 | 13.3 | 12 | 10 | 7.5 | 5 | 4 | **2** |
|
||
|
||
本仓没有等价物：`scripts/active_rectification_event_engine.py:454` 计分用 D2/D3/D4/D5/D7/D9/D10/D11/D12/D24/D30 共 11 张（**没有 D60**），而 `:231` 是 `points += weight / (2 * len(varga_charts))`——**全部等权再除以 22**。于是在 20 分钟窗口里，每 4 分钟换一次的 D30 和一小时才换一次的 D2 拿到相同分量：**分辨率最高的盘被分辨率最低的盘稀释**。上一轮 R1 只整体调过除数，从未按每张盘的敏感度配权，这是没测过的角度。
|
||
|
||
测这三档（与 M1 的闸门档位正交，先各自单测再组合）：
|
||
|
||
| 编号 | 改法 |
|
||
| --- | --- |
|
||
| V1 | 权重与敏感度成反比：`weight × (window_minutes / varga_minutes)` 上限截断，`varga_minutes` 取上表 |
|
||
| V2 | 只给"在当前窗口内至少变化一次"的分盘计分，其余不计（等价于按窗宽动态选盘） |
|
||
| V3 | V2 基础上加入 **D60**（每 2 分钟换一次），仅在窗口 ≤10 分钟时启用 |
|
||
|
||
额外要报的两项：
|
||
|
||
- **过拟合风险**：上游决策树明确写 D30/D60「最后谨慎使用」。对 V3 必须报告真值覆盖率与 ±7 天记错偏移下的表现；覆盖率下降或挤出真值一律不推荐。
|
||
- **每张盘的实际贡献**：统计各分盘在 20 例上触发计分的次数与对头名变化的贡献，用来判断 11 张盘里有没有纯噪声项。
|
||
|
||
### M2 · 答错容忍度（必做，这是本单最大的风险）
|
||
|
||
日精度门槛越低，越依赖用户记准日子。模拟用户记错：把日精度事件的日期**随机偏移 ±3 / ±7 / ±14 天**，各跑一遍，统计：
|
||
|
||
- **真值被淘汰出交付区间的例数**（这是最严重的错误，`AGENTS.md` Part B B4）；
|
||
- 头名命中率的下降幅度。
|
||
|
||
**判定规则：任何一档若在 ±7 天偏移下出现真值被挤出，该档不得推荐上线。**
|
||
|
||
### M3 · 体验代价
|
||
|
||
统计每档下"问满六题之后还能再出几道题"，以及这些题的平均区分力。若某档新增 8 道题但平均只收窄 1–2 分钟，要在结论里标明"问答成本高于收益"。
|
||
|
||
## 3. 交付
|
||
|
||
- `scripts/research/precision_gate_sweep.py`（新，离线，不接生产）+ `docs/research/precision_gate_2026_09_14.md` / `.json`。M1b 的结果同文件单列一节。
|
||
- 口径声明与前两轮一致（ayanamsa `raman`、node mode `mean`），不得与上游 true-node 数字直接比。
|
||
- 结论只允许三种：**有收益**（命中率上升或宽度下降，真值覆盖率不降，且 ±7 天偏移下不挤出）→ 立实现单并给推荐档位；**无收益** → 关闭；**不确定** → 说明缺什么。
|
||
- 不得改 `scripts/rectification/event_probes.py` 的线上默认值。
|
||
|
||
## 4. 硬红线
|
||
|
||
1. Python 改动跑 `.venv/bin/python scripts/run_quality_gate.py --profile quick`（已知既有缺口：`test_shadbala_endpoint_returns_ranked_planet_strength`，时区依赖缺失，基线同样红，不计入）。
|
||
2. **真值覆盖率优先于区间宽度**：任何把真实分钟挤出交付区间的档位一律不推荐，哪怕命中率更高。
|
||
3. 不得放宽置信度或确认门控；不得让性格题参与淘汰（既有红线）。
|
||
4. 不得使用真实用户资料。
|
||
5. 结论必须落到数字。
|
||
|
||
## 5. 与 BUG-689 的联动
|
||
|
||
本单若有收益，`TASK-rectification-open-collect-invite-20260914.md` 的邀请文案要同步：**优先请用户说"记得确切是哪一天"的事**（登记结婚那天、入职第一天、手术那天、孩子出生那天、拿到录取通知那天），并说明"记得到天的事比记得到月的事有用得多"。该文案改动已写进 BUG-689 单的 D1，不必等本单结论——但"有用得多"这句的强度要按本单结果调整，**不得在没有数据前承诺能定到分钟**。
|
||
|
||
## 6. 开工前置命令
|
||
|
||
```bash
|
||
git fetch origin --prune
|
||
git worktree add -b codex/rectification-precision-gate-research-20260914 \
|
||
.worktrees/rectification-precision-gate-research-20260914 origin/staging
|
||
cd .worktrees/rectification-precision-gate-research-20260914
|
||
ln -s /workspace/Jyotisha/.venv .venv
|
||
python3 scripts/pre_work_check.py --remote-timeout 8 --command-timeout 45
|
||
```
|
||
|
||
开工前读：`docs/research/rectification_minute_resolution_closure_2026_09_14.md`、`docs/research/probe_supply_after_six_2026_09_13.md`、`scripts/rectification/event_probes.py` 的 `_boundary_windows` 与 `_union_boundary_dates`。
|
||
|
||
## 7. BUG 编号
|
||
|
||
- 研究单，**不新增 BUG 编号**。
|