ms-ai-architect/scripts/kb-eval
Kjell Tore Guttormsen 8ab40c95d0 feat(ms-ai-architect): idx-33a ratifisert — klassen var 2 ikke mange, og reparasjonen ville gjort sin egen kildetelling usann [skip-docs]
Halvdel 1 bekreftet mot levende defender-for-cloud/ai-security-posture: sida
sier «recommendations on identity, data security, and internet exposure».
L.213 droppet identity og la til AI models. Erstattet hel-linje med kildens
egen oppregning (hel-linje-unikhet sjekket først, 1 treff; håndlagt, driveren
kan bare slette).

Halvdel 2 målt FØR form ble foreslått (#29-disiplinen). 281 stempler i 89
filer, 211 i filkropper. To ulikt blinde nett: Net C (blokkens overskrift
navngir produkt) ga 57 blokker → 5 flagg → 4 falske positive ved
håndadjudisering — i alle fire FANTES referenten, nettet så den ikke fordi
kildelista ikke gjentok produktstrengen, og ett tilfelle var dual-dialekt-
blindheten om igjen (bold-label-kildeliste, ikke ## Kilder). Net D (enheten er
selve den stemplede påstanden) ga 26 i 17 filer → 24 er tilfeldige
produktnevnelser inne i påstander hvis subjekt ER sitert.

Overlevende: 2. Denne fila l.210 og security-and-audit-logging-ai.md:40 —
begge Defender for Cloud, ingen av filene med Defender-kilde. Defender AISPM
lagt inn i begge filers egen kildeliste. Ingen korpus-bred konvensjon
ratifisert: 2 medlemmer bærer ikke en regel ingen maskin håndhever, og de fire
falske positive viser at en slik regel ville fyrt på legitime referenter.

Reparasjonen var selv-invaliderende og tvang to følge-editer: l.364 påsto «8
unique sources», l.353 påsto retrieval 2026-02 — begge ville blitt usanne av
den niende kilden, og ble skrevet om i samme edit.

Nær-bom som kilden frikjente: data-leakage 6.3 stempler en APIM/MCP-påstand
uten APIM-kilde, men siterer CAF Secure AI, og idx-33s fetch samme økt bekreftet
at den sida bærer påstanden. Sveip lokaliserer; kilden adjudiserer.

Blokkstempelet (Verified MCP 2026-04) står bevisst urørt: bullet 211 kom ikke
rent ut av fetchen og er bokført som idx-33b (under-påstand under stempel,
klassen umålt). Køa 4 åpne.
2026-08-13 23:28:35 +02:00
..
data feat(ms-ai-architect): idx-33a ratifisert — klassen var 2 ikke mange, og reparasjonen ville gjort sin egen kildetelling usann [skip-docs] 2026-08-13 23:28:35 +02:00
lib feat(ms-ai-architect): G7-ankere kan baere sin egen fil — klasse-entryen for de 42 er skrevet, og #17 og #14 er begge oppfylt 2026-08-11 22:23:13 +02:00
apply-o2-ratified.mjs fix(ms-ai-architect): R11 — første korpus-edit; 4 ratifiserte O2-subtraksjoner anvendt (idx 17, 19, 33, 14-redusert) 2026-08-03 20:40:08 +02:00
apply-skill-op.mjs feat(ms-ai-architect): Spor D steg 1 — apply regenererer hel-korpus score-cache post-mutasjon (TDD) [skip-docs] 2026-06-23 19:51:04 +02:00
build-gold-set.mjs feat(ms-ai-architect): G3 gull-intern-konsistens-lint + G4 build-instruks-policy — §8 gap-lukk [skip-docs] 2026-06-30 09:55:15 +02:00
build-judge-payloads.mjs feat(ms-ai-architect): R7.1 — build-judge-payloads får --claims <path> (per-batch korpus-manifest, TDD; default = bakeoff-manifestet uendret) [skip-docs] 2026-07-18 11:16:22 +02:00
build-sample-frame.mjs feat(ms-ai-architect): Fase 0 steg 1 — deterministisk sample-frame (45 volatil + 10 kontroll) + TDD [skip-docs] 2026-06-26 14:18:53 +02:00
check-g7-queue.mjs feat(ms-ai-architect): G7 lukket som mekanisme — navngitt review-kø (form b), valgt på måling 2026-08-03 21:10:00 +02:00
check-o2-returns.mjs feat(ms-ai-architect): reproduserbar V1/V2/V2b-sjekk av O2-returene (25 tester) [skip-docs] 2026-08-03 17:40:02 +02:00
classify-fix-ops.mjs feat(ms-ai-architect): R11 §4b implementert — status-synonymtabellen målt, 8 forslag hånd-dømt [skip-docs] 2026-08-03 17:13:05 +02:00
compute-base-rate.mjs feat(ms-ai-architect): Fase 0 steg 3 — base-rate-rapport + GATE: BYGG Fase 3 (scoped/hybrid) [skip-docs] 2026-06-26 17:15:54 +02:00
detect-skill-lifecycle.mjs feat(ms-ai-architect): Sesjon 15 — B2 K10 søsken-scope-ikke-overlapp 2026-06-20 11:59:59 +02:00
eval.mjs feat(ms-ai-architect): Spor 3 Port 3 (CT5) — deterministisk sourcedness erstatter LLM-samplet K8 [skip-docs] 2026-06-29 15:10:14 +02:00
extract-judge-claims.mjs feat(ms-ai-architect): S1 judge bake-off harness + forhåndsregistrert gate (TDD) [skip-docs] 2026-06-26 20:10:58 +02:00
judge-claim-prompt-v2.md feat(ms-ai-architect): S1 v2 targeted iteration — GATE PASS (recall 84.2%, precision 84.2%) [skip-docs] 2026-06-26 21:23:50 +02:00
judge-claim-prompt-v3.1.md feat(ms-ai-architect): G5b gull-friskhets-spot-sjekk LUKKET — 4 v3-FP re-adjudert mot live, ALLE stale gull (v3 flagget korrekt), baseline løftet v3 P89.7/R92.1 → P100/R92.9/0FP; v3.1 forfattet (ren recall-hardning, FP-vakt droppet) [skip-docs] 2026-06-30 13:43:52 +02:00
judge-claim-prompt-v3.md feat(ms-ai-architect): judge-claim-prompt-v3 (R1-R7 mot 8 feilmoduser) — G4 lukket, G1 v3 forfattet [skip-docs] 2026-06-30 10:14:31 +02:00
judge-claim-prompt.md feat(ms-ai-architect): S1 judge bake-off harness + forhåndsregistrert gate (TDD) [skip-docs] 2026-06-26 20:10:58 +02:00
judge-pass-manifest.mjs feat(ms-ai-architect): per-fil judge-pass-manifest (appendJudgedFile + pendingFiles resume-skip, data/ git-tracked, TDD) [skip-docs] 2026-07-04 23:17:01 +02:00
judge-prompt.md feat(ms-ai-architect): Spor 3 Port 3 (CT5) — deterministisk sourcedness erstatter LLM-samplet K8 [skip-docs] 2026-06-29 15:10:14 +02:00
lint-gold-consistency.mjs feat(ms-ai-architect): G3 gull-intern-konsistens-lint + G4 build-instruks-policy — §8 gap-lukk [skip-docs] 2026-06-30 09:55:15 +02:00
plan-skill-op.mjs feat(ms-ai-architect): Sesjon 20 — B3 create_skill (dvelende, konstruktiv op) [skip-docs] 2026-06-20 21:37:19 +02:00
ref-file-audit.py docs(ms-ai-architect): ref-KB audit — verifisert ground truth + reproduserbart audit-skript 2026-06-26 00:25:39 +02:00
run-judge-bakeoff.mjs feat(ms-ai-architect): S1 v2 targeted iteration — GATE PASS (recall 84.2%, precision 84.2%) [skip-docs] 2026-06-26 21:23:50 +02:00
score-skill.mjs feat(ms-ai-architect): Spor D Steg B — skill-quality lifecycle-gate + score-cache (TDD) 2026-06-23 18:26:29 +02:00