1
0
Fork 0

feat(lexicon): count every match of a pattern, and give four gaps a measured reason

Gap 4 (count=1) is closed. scan_lexicon still gives one finding per
pattern id at the first offset, and its count is now the number of
matches: the most matches any one view of the text shows (raw, decoded,
folded, rot13). Views are not summed, so count is a lower bound; the
joiner row counts only the splits it reports. The matrix case moved from
gap to caught (lexicon:count), and the gap register records it closed.

Measured before and after on the same trees: the FP populations are
identical line for line at 106/198, 196/2918, 108/389; all 3583 documents
(with the 78 pinned OKF concepts) keep their disposition under both
presets and the same labels and severities; OKF import stays 47/31.
53 documents now carry count > 1 (23 + 23 + 7 + 0), as measured before
building. scan_lexicon over 3505 documents: 96.0 s before, 97.1 s after.
Mutating count back to 1 turns 5 tests red.

docs/LIMITATIONS.md: gaps 2, 3, 5 and 7 now state the rule tried and its
cost (session 1 numbers): 2 fires on the true twin, 3 costs 48 on the
trusted gate, 5 costs 23 of 569 READMEs, 7 catches 2 of 5 rewordings.
Matrix 145/145 + 6/6 gaps, suite 1260 passed.
This commit is contained in:
Kjell Tore Guttormsen 2026-11-01 14:57:11 +01:00
commit 736bf7882f
Signed by: ktg
SSH key fingerprint: SHA256:JakMjO6FTBBzN0Bhfj9saOoEjaFxlSdYuZQQpM/lF9Q
9 changed files with 217 additions and 26 deletions

View file

@ -252,6 +252,37 @@ hver uke. Under en annen kjøring uten ssh-remote ville proben her svare
Ingen release, fordi ingenting i den utgitte pakken er endret.
## V.8 Økt 3, hull 4 lukket og fire begrunnelser (01.11.2026, release 1.9.0)
**Hull 4 (dedup):** `scan_lexicon` gir fortsatt ett funn per mønster-id med første
offset, men `count` er nå antall treff. Leksikonet leser flere varianter av teksten
(rå, dekodet, foldet, rot13), og samme treff vises i flere av dem. Derfor er `count`
det høyeste antallet i én enkelt variant, og variantene summeres ikke. Det er en nedre
grense: et rent treff pluss et rot13-skjult teller 1. For orddelingsraden telles bare
skjøtene raden melder. Matrisesaken står nå som fanget (`lexicon:count`), og
`tests/test_gap_register.py` har `CLOSED = {"dedup": "count"}`.
- **TDD:** fem tester i `tests/test_lexicon.py`. Tre var røde av riktig grunn
(`count` 1, ventet 2), og to låser det som allerede holdt (ett treff gir 1, og
rot13 pluss rent treff gir 1). Mutasjonssjekk: med `count=1` igjen ble 5 tester røde.
- **Vaktregelen:** målt før og etter på samme trær. FP-korpusene er identiske
linje for linje på 106/198 · 196/2918 · 108/389. Alle 3 583 dokumenter (de tre
korpusene og de 78 OKF-konseptene ved pinnen) har samme disposisjon under begge
forhåndsinnstillingene, og samme etiketter og alvorlighetsgrader. OKF-importen står
på 47 fail-secure / 31 warn, uendret. **53** dokumenter får `count` > 1
(23 + 23 + 7 + 0), som målt i § V.6, og høyeste `count` er 26. 0 nye alarmer.
- **Ytelse:** `scan_lexicon` over de 3 505 dokumentene i de tre FP-korpusene tok
96,0 s før og 97,1 s etter, og de tregeste dokumentene er de samme.
- **Rad 2:** hull 4 er lukket. 2, 3, 5 og 7 står med målt begrunnelse i LIMITATIONS
(tallene fra § V.6). 1 og 6 er åpne, og de er neste.
**Vakten** er kjørt på nytt 01.11 før release-commiten: 16 current, 0 behind, 0 watch,
0 notVerified. `watch-last.json` er endret bare i `lastRun`.
**llm-security** har ikke svart på forespørselen om ukentlig kjøring. Meldingen
ligger fortsatt ubehandlet i innboksen deres. Rad 1 er ikke framme før jobben deres
har kjørt lista vår.
## Forrige retning (godkjent av operatøren 28.10.2026, nådd 31.10)
> «llm-ingestion-guard bygger på nyeste utgave av hver trusselkatalog den viser til,