fix(ms-ai-architect): Enhet 3b — dedup dual-**Dato:** i 5 mlops-genaiops-filer (Created-relabel/drop, git-verifisert) [skip-docs]

Løser dual-header der filer bærer BÅDE **Dato:** (opprettelse) OG **Last updated:**
(endring). Ground truth 2026-07-16 + git first-commit-map (2026-04-08 for alle 5):

- 4 distinkte (**Dato:** 2026-02-04, FØR git first-commit → ekte opprettelsesdato):
  relabel **Dato:** → **Created:**, verdi byte-bevart (norsk→engelsk label-rename).
- 1 identisk (mlops-security-access-control: **Dato:**=**Last updated:**=2026-06-19,
  ETTER git first-commit → metadata-artefakt, ikke ekte opprettelsesdato): drop redundant
  **Dato:**. Relabel ville påstått falsk opprettelsesdato — drop er sannferdig.

Ny ren primitiv dropRedundantBoldField (kaster uten identisk-verdi bevis-felt),
gjenbrukt relabelHeaderDialect m/ CREATED_MAP. Manifest-drevet dedup-dato.mjs med
hard per-fil-invariant FØR skriv (relabel: 1 linje, kun label-token; drop: net -1,
Last updated bevart), atomicWriteSync, idempotent. Ingen validator håndhever lukket
feltliste → **Created:** er additiv/konform.

+15 tester (dropRedundantBoldField, CREATED_MAP-relabel, applyOp, manifest, 2 corpus-
guards) + oppdatert stale Enhet-2 carve-out-guard til post-3b-sannhet. Suite 910/910
exit 0. validate-plugin 250 PASS/0 FAIL. Datoløse dual-**Dato:**-filer 5→0.

skills/ms-ai-engineering/references/mlops-genaiops/feedback-loops-continuous-improvement.md

@@ -1,7 +1,7 @@
 # Feedback Loops and Continuous Improvement
 
 **Category:** MLOps & GenAIOps
-**Dato:** 2026-02-04
+**Created:** 2026-02-04
 **Last updated:** 2026-06-24
 **Confidence:** HIGH (basert på offisiell Microsoft-dokumentasjon)
 **Type:** reference

skills/ms-ai-engineering/references/mlops-genaiops/genaiops-llm-specific-practices.md

@@ -1,6 +1,6 @@
 # GenAIOps - LLM-Specific MLOps Practices
 
-**Dato:** 2026-02-04
+**Created:** 2026-02-04
 **Last updated:** 2026-06-19
 **Category:** MLOps & GenAIOps
 **Konfidensgrad:** Høy (basert på 18 MCP-kilder fra Microsoft Learn)

skills/ms-ai-engineering/references/mlops-genaiops/mlops-security-access-control.md

@@ -2,7 +2,6 @@
 
 **Category:** MLOps & GenAIOps
 **Last updated:** 2026-06-19
-**Dato:** 2026-06-19
 **Confidence:** HIGH — Basert på offisiell Microsoft Learn dokumentasjon (8 MCP-oppslag, 16 kilder)
 **Type:** reference
 **Source:** https://learn.microsoft.com/azure/machine-learning/concept-enterprise-security

skills/ms-ai-engineering/references/mlops-genaiops/model-deployment-strategies-azure.md

@@ -1,7 +1,7 @@
 # Model Deployment Strategies on Azure
 
 **Område:** MLOps & GenAIOps
-**Dato:** 2026-02-04
+**Created:** 2026-02-04
 **Målgruppe:** Arkitekter som planlegger ML-modellutplassering i produksjon
 **Konfidensgrad:** ⚡️⚡️⚡️ Høy (basert på Microsoft Learn + offisielle code samples)
 **Type:** reference

skills/ms-ai-engineering/references/mlops-genaiops/prompt-flow-production-deployment.md

@@ -1,7 +1,7 @@
 # Prompt Flow and Production Deployment
 
 **Category:** MLOps & GenAIOps
-**Dato:** 2026-02-04
+**Created:** 2026-02-04
 **Last updated:** 2026-06-19
 **Confidence:** 🟢 Høy (basert på offisiell Microsoft-dokumentasjon fra Microsoft Foundry og Azure Machine Learning)
 **Type:** reference