open/ms-ai-architect
1
0
Fork 0
Code Issues Releases 1 Activity
ms-ai-architect/scripts/kb-eval/data
History
Kjell Tore Guttormsen da16608c60 fix(ms-ai-architect): idx-26j scope-addendum — grunnen er uverifiserbarhet, ikke aritmetikk, og to tellinger doede av min egen edit 
Resolutionen understated hva den ratifiserte grunnen faktisk dekker.

GRUNNEN ER UVERIFISERBARHET. Operatoer ratifiserte sletting fordi linja er
umaalbar — ingen generasjonslogg finnes. Det gjelder ALLE 23 linjer, ikke bare
de 8 som ogsaa feiler paa egen aritmetikk. Inkonsistensen var EVIDENSEN for at
tallet aldri ble transkribert fra en kjoering; den var aldri GRUNNEN til aa
slette det.

Men mitt eget spoersmaals opsjonstekst definerte «beroert fil» som den
inkonsistente mengden, saa bokfoeringen stanset paa 7. Ingen maskin ser
framingen av et spoersmaal — samme klasse som §9.13s falske premiss, denne
gangen i et spoersmaal jeg selv skrev.

KONSEKVENS, UTTALT I STEDET FOR IMPLISERT: 14 filer baerer den fordoemte linja
uten koe-entry (10 konsistente + 4 ikke sjekkbare). De er IKKE ekskludert paa
merit — de staar ubokfoert fordi aa utvide forbi de ratifiserte 7 er
operatoerens beslutning, ikke oekten sin. Reist som aapent spoersmaal #17.
Begge listene enumerert ordrett i resolutionen, saa de er greppbare.

TO TELLINGER SOM MIN EGEN EDIT UGYLDIGGJORDE, rettet i samme pass:
- Footer-populasjonen er 21 linjer naa, ikke 23 — jeg slettet to, begge fra den
  inkonsistente boetta: 10 · 6 · 1 · 4.
- STATEs «binding» **Status:**-telling var ALT stale foer denne oekten. Den sa
  GA 249 / 69 distinkte, men ble maalt inne i 26g-oekten FOER 96639f7 ble
  anvendt. Ground truth: 387 forekomster, 70 distinkte, GA 247. Kjeden er
  eksakt: 249 -> 248 (26g) -> 247 (088cf06).

ANKERUNIKHET for idx-26s ble verifisert ETTERPAA, ikke foer — navngitt som et
sluntreri, ikke stille rettet. Gaten beviser TILSTEDEVAERELSE (text.includes),
aldri unikhet, saa et ikke-unikt anker passerer lydloest. Alle tre: 1 forekomst.

Suite: 1047/1047. Koe: 14 aapne / 13 resolved.
2026-08-09 14:21:13 +02:00
..
fase0-returns feat(ms-ai-architect): Fase 0 steg 2 — verifiserings-fan-out (373 påstander) + gull-sett m/ deterministisk lastmod-join + TDD [skip-docs] 2026-06-26 15:16:10 +02:00
r11-o2-returns feat(ms-ai-architect): R11 §10 måling #2 bølge 2 — alle 46 R8-enumerasjoner klassifisert [skip-docs] 2026-08-03 17:36:29 +02:00
base-rate-report.json 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
base-rate-report.md 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
eval-baseline.json feat(ms-ai-architect): Sesjon 15 — B2 K10 søsken-scope-ikke-overlapp 2026-06-20 11:59:59 +02:00
fase0-sample-frame.json 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
g7-review-queue.json fix(ms-ai-architect): idx-26j scope-addendum — grunnen er uverifiserbarhet, ikke aritmetikk, og to tellinger doede av min egen edit 2026-08-09 14:21:13 +02:00
gold-correctness-set.json 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-bakeoff-claims.json feat(ms-ai-architect): S1 judge bake-off harness + forhåndsregistrert gate (TDD) [skip-docs] 2026-06-26 20:10:58 +02:00
judge-bakeoff-report-v2-g5bgold.json 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-bakeoff-report-v2-g5bgold.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-bakeoff-report-v2-g5gold.json feat(ms-ai-architect): G5 gull-friskhets-mikropass LUKKET — 2 gull-feil rettet (genaiops#2, model-selection#8), v3 REHABILITERT — slår v2 på fersk gull (P 89.7/R 92.1 vs 86.8/86.8); adopsjonsbeslutning reversert [skip-docs] 2026-06-30 11:21:45 +02:00
judge-bakeoff-report-v2-g5gold.md feat(ms-ai-architect): G5 gull-friskhets-mikropass LUKKET — 2 gull-feil rettet (genaiops#2, model-selection#8), v3 REHABILITERT — slår v2 på fersk gull (P 89.7/R 92.1 vs 86.8/86.8); adopsjonsbeslutning reversert [skip-docs] 2026-06-30 11:21:45 +02:00
judge-bakeoff-report-v2-reconciled.json feat(ms-ai-architect): Spor 2b gull-rekonsiliering — 12 uenigheter løst, fasit herdet (P 84→92%, R 84→88%) [skip-docs] 2026-06-30 07:20:21 +02:00
judge-bakeoff-report-v2-reconciled.md feat(ms-ai-architect): Spor 2b gull-rekonsiliering — 12 uenigheter løst, fasit herdet (P 84→92%, R 84→88%) [skip-docs] 2026-06-30 07:20:21 +02:00
judge-bakeoff-report-v2.json 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-bakeoff-report-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-bakeoff-report-v3-g5bgold.json 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-bakeoff-report-v3-g5bgold.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-bakeoff-report-v3-g5gold.json feat(ms-ai-architect): G5 gull-friskhets-mikropass LUKKET — 2 gull-feil rettet (genaiops#2, model-selection#8), v3 REHABILITERT — slår v2 på fersk gull (P 89.7/R 92.1 vs 86.8/86.8); adopsjonsbeslutning reversert [skip-docs] 2026-06-30 11:21:45 +02:00
judge-bakeoff-report-v3-g5gold.md feat(ms-ai-architect): G5 gull-friskhets-mikropass LUKKET — 2 gull-feil rettet (genaiops#2, model-selection#8), v3 REHABILITERT — slår v2 på fersk gull (P 89.7/R 92.1 vs 86.8/86.8); adopsjonsbeslutning reversert [skip-docs] 2026-06-30 11:21:45 +02:00
judge-bakeoff-report-v3.1.json feat(ms-ai-architect): G1 LUKKET — v3.1 judge MÅLT + ADOPTERT (P100/R100/0FP/0FN, max-utfall) 2026-06-30 21:33:45 +02:00
judge-bakeoff-report-v3.1.md feat(ms-ai-architect): G1 LUKKET — v3.1 judge MÅLT + ADOPTERT (P100/R100/0FP/0FN, max-utfall) 2026-06-30 21:33:45 +02:00
judge-bakeoff-report-v3.json feat(ms-ai-architect): G1 v3 bake-off MÅLT — v3 regredierte (P 92.1→89.7, R flat), v2 beholdt; G5 gull-friskhet åpnet [skip-docs] 2026-06-30 10:54:39 +02:00
judge-bakeoff-report-v3.md feat(ms-ai-architect): G1 v3 bake-off MÅLT — v3 regredierte (P 92.1→89.7, R flat), v2 beholdt; G5 gull-friskhet åpnet [skip-docs] 2026-06-30 10:54:39 +02:00
judge-bakeoff-report.json feat(ms-ai-architect): S1 judge bake-off RESULT — GATE FAIL (recall 68.4% < 80%) [skip-docs] 2026-06-26 20:45:09 +02:00
judge-bakeoff-report.md feat(ms-ai-architect): S1 judge bake-off RESULT — GATE FAIL (recall 68.4% < 80%) [skip-docs] 2026-06-26 20:45:09 +02:00
judge-bakeoff-results-v2.json 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-bakeoff-results-v3.1.json feat(ms-ai-architect): G1 LUKKET — v3.1 judge MÅLT + ADOPTERT (P100/R100/0FP/0FN, max-utfall) 2026-06-30 21:33:45 +02:00
judge-bakeoff-results-v3.json feat(ms-ai-architect): G1 v3 bake-off MÅLT — v3 regredierte (P 92.1→89.7, R flat), v2 beholdt; G5 gull-friskhet åpnet [skip-docs] 2026-06-30 10:54:39 +02:00
judge-bakeoff-results.json feat(ms-ai-architect): S1 judge bake-off RESULT — GATE FAIL (recall 68.4% < 80%) [skip-docs] 2026-06-26 20:45:09 +02:00
judge-pass-manifest.json feat(ms-ai-architect): R7.5 KOMPLETT 51/51 — payload-31..51 dømt+ingestet, re-judge-gate bestått, async-processing stemplet [skip-docs] 2026-08-03 15:56:52 +02:00
judge-results.json feat(ms-ai-architect): Spor D steg A — eng+infra K10-fix → korpus-invariant ≥90 oppfylt 2026-06-23 17:56:43 +02:00
k1-trigger-prompts.json fix(ms-ai-architect): Sesjon 11 — K1 trigger-presisjon, blindet judge PASS alle 5 2026-06-20 10:00:47 +02:00
r71-payloads.json feat(ms-ai-architect): R7.1 — judge-pass 30/45 filer (362/544 claims; 1 pass, 29 flagged, 106 flagg; v3.1-judge, ledger durabel per fil) [skip-docs] 2026-07-18 17:34:49 +02:00
spor0-fix-manifest.json fix(ms-ai-architect): R5 G5b — 4 innholds-fikser (retired gpt-35-turbo→gpt-4o-mini, vector-quant GA 2024-07-01, 2 overclaims nyansert), hver live-verifisert per MS Learn-kilde [skip-docs] 2026-07-04 17:09:23 +02:00