portfolio-optimiser/docs/2026-09-04-major2-proposal-review-k2.md

# MAJOR-2 — en dør for menneskelig tilbakemelding på forslaget som ligger på bordet

> **Status: DELVIS — steg 9 er påbegynt, ikke fullført.** M1–M37 er målt; **M38, M39 og M40
> gjenstår**, og K2-omkjøringen (§ 3) er ikke kjørt. Steg 10 (invariantraden + README) er ikke
> skrevet. Dokumentet er committet i denne tilstanden fordi økten skiftes ved sømmen; neste økt
> fortsetter fra M38.
>
> **Måledato:** 2026-09-05 (stien bærer ordredatoen, headeren måledatoen — S7b/S2c-formen)
> **Ordre:** `20260904T173146Z-8102814273-from-portfolio-optimiser`
> **Kode målt ved:** `ee7da3b` (steg 1–8: `ce4c15e` · `d4c8691` · `bbf4d3b` · `59f3fce` ·
> `c391fb5` · `fedf989` · `bfc634d` · `ee7da3b`)

---

## 0. Hva døra er

| Spørsmål | Før | Etter |
|---|---|---|
| Kan et menneske svare på forslaget mens det ligger på bordet? | nei | ja — `--proposal-review` |
| Hvor mange menneske-sømmer finnes inne i løkka? | 1 (`plan_reviewer`, som fyrer FØR enhver hypotese finnes) | 2 |
| Hva skjer med svaret? | — | `revise` kjøper ETT forsøk til under det EKSISTERENDE taket; ordene når neste prompt ORDRETT |
| Hvem avgjør utfallet? | validatoren | validatoren — dens SISTE dom (D6) |
| Mynter en `approve` en dom? | — | nei; F2 står |
| En kjøring uten reviewer | — | byte-identisk: samme prompter, samme utboks-filer, golden uendret |

Målt før arbeidet startet (`docs/2026-09-02-misjonsreview-v2.md` § 3, re-målt mot HEAD):
`grep -n "prior_" generate.py` finner nøyaktig ÉN søm — `prior_rejection`, maskinens egen
falsifisering matet tilbake inne i samme kjøring. Et menneskes dom lander i NESTE kjøring
(Steg-7-innboksen). «Improved proposals given feedback» var altså, for en person, en to-kjørings
løkke med dager imellom.

---

## 1. Løkkas exit-kontrakt — og et premiss målingen felte

**FØR** (`generate.py` ved `bcf3337`):

```python
        if isinstance(result, ValidatedProposal):
            return GenerationResult(outcome=result, refinements=tuple(fed_back))
        last = result
    assert last is not None  # max_attempts >= 1, so at least one validation ran
    return GenerationResult(outcome=last, refinements=tuple(fed_back))
```

`last` settes KUN av en validator-avvisning. Planen (§ Risks, «Critical» #1) sa at «validert →
revise» på hvert forsøk derfor ville nå slutten av løkka med `last is None` og dø på asserten.

**ETTER**: en eksplisitt bærer `last_ruling: ValidatedProposal | Rejection | None`, satt etter
HVER `validate_proposal`; D6 leses rett av den.

**⚠️ PLANENS PREMISS ER FALSIFISERT AV MÅLINGEN — M29 forble GRØNN (0 røde av 1363).**
Mutasjonen reverterer bæreren til `assert last is not None`, og HELE suiten står grønn. Grunnen er
strukturell og ble først synlig da mutasjonen ble kjørt: D1(a) gjør at en `revise` med
`attempts_remaining == 0` **returnerer** den validerte dommen inne i løkka, og på siste forsøk er
`remaining = max_attempts - i - 1` alltid 0. Løkka kan derfor bare falle GJENNOM til halen etter en
validator-**avvisning**, som setter `last` også. `last_ruling` og `last` er dermed identiske i det
ene punktet halen leser dem.

Konsekvens, uttalt heller enn skjult: **bæreren er UVITNET** (`budget_stop`-presedensen). Den står
fordi den gjør D6 eksplisitt og fjerner en assert som hviler på en ikke-lokal invariant — ikke fordi
en test holder den. Kommentaren i `generate.py` som påsto at asserten ville fyrt er en påstand
flaten gjør om seg selv (Fase-3-klassen) og **må rettes i neste økt**, sammen med commit-teksten for
`bbf4d3b` som bærer samme påstand (historikken skrives ikke om; rettelsen står her og i
invariantraden).

---

## 2. Mutasjonstabellen — M1–M37 målt, M38–M40 gjenstår

**Grønn kontroll:** `uv run pytest -q` → **1363 passed / 5 skipped**.
Node-ID-settet er et **strengt supersett** av pre-MAJOR-2-baselinen: 1319 → 1368, **0 fjernet**,
49 lagt til. `ruff check src tests`, `ruff format --check src tests` og `mypy src` rene.
Golden `tests/golden/demo-transcript.stdout` **BYTE-UENDRET**, `shasum -a 1` av INNHOLDET =
`ea8c534773acdbe41ae68f2c55724d69aaf8be4f` (ikke git-blob-id-en).

Protokoll per mutasjon: hele suiten, maks to mutasjoner per Bash-kall, restaurert fra
`scratchpad/major2/pristine/` og verifisert med `shasum -c` — aldri `git checkout`. Alle 38
kjøringer rapporterte `restore=OK`.

| M | hva mutasjonen gjør | røde | første navngitte armer | uavhengige vitner |
|---|---|---|---|---|
| M1 | detach reviewer-kallet (returner på validert som før) | 16 | T1, T2, T3a … | — |
| M2 | ignorer beslutningen (alltid approve) | 13 | T1, T2, T3a … | — |
| M3 | drop `prior_feedback`-injeksjonen (print-and-discard) | 6 | ordrett-armen, komposisjons-armen, T1 … | — |
| M4 | tøm feedback etter ett forsøk (ikke-klebrig) | 1 | T6 alene | — |
| M5 | akkumuler avvisninger i prompten | 1 | T6 alene | — |
| M6 | vis også en AVVIST kandidat til revieweren | 4 | T4, T6, T10 … | — |
| M7 | la en revise slippe å tikke rundeboka | 1 | T3a alene | — |
| M8 | la revisjoner løkke UTENFOR `max_attempts` | 36 | A5, mandat, portefølje … | **ja** — 18 testfiler, alle eldre enn dette arbeidet |
| M9 | `honoured` konstant `True` (og ingen forfremmelse) | 6 | T2, T3a, T3b, T7 … | — |
| M10 | `approach_id` alltid `None` | 3 | T5, T8, T5-run | — |
| M11 | skriv artefaktet etter returen, ikke fra `finally` | 2 | T9, T16 | — |
| M12 | skriv artefaktet kun når lista er ikke-tom | 2 | T10, T16 | — |
| M13 | skriv artefaktet også uten reviewer | 3 | T11 | **ja** — `test_a5_per_approach_artifacts`, `test_parse_failure_capture` |
| M14 | la en `approve` mynte en `Verdict` | 1 | T12 alene | — |
| M15 | les EOF som approve | 2 | T16-unit, T16-CLI | — |
| M16 | fang ikke `ProposalReviewInputError` ved navn | 1 | T16-CLI alene | — |
| M17 | enhver ikke-revise-linje er approve | 1 | T15 alene | — |
| M18 | drop `single_only`-raden | 1 | T17 alene | — |
| M19 | drop `report_forbidden`-raden | 1 | T18 alene | — |
| M20 | bibliotekssømmen wiret, argparse-flagget borte | 9 | T13, T16, T17 … | — |
| M21 | strømmene bundet ved konstruksjon | 1 | T20 alene | — |
| M22 | slett den hostede navngitte nekten | 1 | T21 alene | — |
| M23 | videresend det hostede feltet i stedet for å nekte | 4 | T21, partisjons-armen | **ja** — Fase-4e-armene i `test_explore_callsites` + `test_hosting` |
| M24 | fersk reviewer per base i dispatcheren | 1 | T22 alene | — |
| M25 | render kandidaten som repr | 2 | T14, T13 | — |
| M26a | trunker feedback til 20 tegn | 5 | T1, T3b, T8 … | — |
| M26b | trunker feedback til 40 tegn (sentinelen OVERLEVER) | 3 | T1, T8, T13 | — |
| M27 | fall tilbake til siste validerte forslag (D6-alternativ b) | 1 | T13-loop alene | — |
| M28 | drop `verdict_key` fra posten | 2 | payload-armen, run-payload-armen | — |
| **M29** | **reverter exit-kontrakten til `assert last is not None`** | **0** | **— (se § 1)** | — |
| M30 | drop `--live-dry-run`-nekten | 1 | dry-run-armen alene | — |
| M31 | drop `--proposals-from-mandate`-nekten | 1 | pfm-armen alene | — |
| M32 | notice-rendereren skriver linja uten reviewer | 2 | notice-armen, CLI-kontrollen | — |
| M33 | notice-rendereren returnerer `None` på null | 3 | notice-armen, null-armen, CLI-null-armen | — |
| M34 | feedback løftet ut av per-approach-kallet (krysser tilnærminger) | 5 | T1, T7, T5-run … | — |
| M35 | bygg posten fra en RETURNERT liste i stedet for kaller-eid sink | 1 | T9 alene | — |
| M36 | dispatcheren slutter å tråde revieweren | 1 | T22 alene | — |
| M37 | detach CLI-utskriften mens rendereren fortsatt returnerer linja | 2 | T13, CLI-null-armen | — |
| M38 | `attempts_remaining` regnet fra `max_attempts` alene | — | **IKKE MÅLT** | — |
| M39 | drop `--checkpoint-dir`-nekten | — | **IKKE MÅLT** | — |
| M40 | `honoured=True` satt ved revise-tid i stedet for etter hentingen | — | **IKKE MÅLT** | — |

**Sum så langt: 38 kjøringer, 37 røde, 1 grønn (M29).**

### To signaturer verdt å lese

* **M13 og M23 er røde i tester som er ELDRE enn dette arbeidet.** «Skriv artefaktet iff en reviewer
  ble gitt» (D4) holdes av A5-ens eksakte fire-navns-listing og av parse-fangstens kontroll; den
  hostede partisjonen holdes av Fase-4es to asserts. Sømmene er altså gatet av uavhengige vitner,
  ikke bare av sine egne armer.
* **M26a og M26b har ULIKE signaturer, og det var ikke gitt.** Ved 40 tegn overlever
  `PROPOSAL-REVIEW-SENTINEL-9c41ae` (31 tegn) i de armene hvis feedback er kortere enn taket, så
  T3b og T9 blir grønne igjen mens T1, T8 og T13 — de med lengre feedback — forblir røde. Planens
  to-lengde-skjerping virker altså etter hensikten her.

---

## 3. K2-omkjøringen — IKKE KJØRT

Kriterium 8 (S7b DEL-B-kommandoen over `scratchpad/s7b-syretest/K2-priset-SYNTETISK` pluss
`--proposal-review` med et pipet `revise`/`approve`-manus, mot en approve-only-kontroll) gjenstår.
Manuset er forberedt: `scratchpad/major2/scripted-replies-major2.json` bærer et FIRE-stegs
proposer-manus (to tilnærminger × to forsøk), der annethvert steg oppgir 150 000 i stedet for
200 000, slik at «svaret ble BRUKT» er utfallet og ikke bare at en post finnes.

K2-basen er **utracket og finnes kun på denne maskinen**, så kriteriet er verifiserbart her og
rapporteres — det asserteres aldri av suiten.

---

## 4. Ærlighets-grenser (så langt)

* **`last_ruling`-bæreren er uvitnet** — se § 1. Planens «Critical risk #1» er falsifisert.
* **Steg 5 under-rapporterer på en revidert kjøring:** en `revise` bruker ett av de SAMME
  `max_attempts`-forsøkene en validator-avvisning ville brukt, så en kjøring kan bruke opp forsøkene
  på ekspert-revisjoner og aldri nå en andre validator-falsifisering. `refinements` under-rapporterer
  da ved konstruksjon. Uttalt, ikke reparert.
* **`coverage`-radene navngir ikke en revise som årsak.** Hver revise tikker den DELTE rundeboka, så
  en eksperts egne revisjoner kan la halen av en kommisjon stå `not_evaluated`. Detaljen forblir
  «budget exhausted before this approach was evaluated» — sann, og `coverage` er et non-goal.
  Terminalen viser `attempts remaining` FØR hvert svar, og review-posten er der årsaken kan leses.
* **Checker-gaten (6b) og dimensjons-gaten (6c) overstyrer ETTER at genereringen har returnert.** En
  `approve` registrert ordrett i artefaktet kan derfor sitte på en kjøring hvis utfall er en
  checker-kildet `Rejection`. Posten sier hva mennesket SÅ og SVARTE, aldri hva kjøringen
  konkluderte; at de to er uenige er tilsiktet, og å blande dem er nøyaktig det to-falsifiserer-raden
  forbyr.
* **Feedback-teksten er UBEGRENSET**, som plan-review-feedback — belastet `max_tokens`, som er
  bunden. At den når en proposer som holder navigatør-verktøyene er uttalt, ikke voktet.
* **F4s traceback-asymmetri er urørt:** `PlanReviewInputError` forlater fortsatt CLI-en som en
  traceback, mens `ProposalReviewInputError` fanges ved navn. Uttalt, ikke fikset her.
* **`run_portfolio` tar ingen reviewer**, og fraværet er assertert.
* **Ingen levende modell har svart på en review.** Alt her er skriptede stand-ins
  (structured-output-grensens klasse).