LABORATÓRIO v0.23-lab — khtst-rust

O que é. Projeto novo PowerMachine/laboratorio, auto-contido e EXECUTÁVEL, que (1) audita a branch publicada de PowerMachine/khtst-rust e os 5 anexos do ciclo v0.22 (driver x86: detecção estendida de ISA, sondas em Assembly, kernels FP16/AMX, ativação multinúcleo — AUSENTES no repo publicado, verificado por inventário); (2) fecha 4 defeitos reais encontrados nesses anexos com patches rotulados (A22-1..A22-4); (3) reproduz em Python a matemática central dos ciclos v0.18–v0.21 com paridade semântica; e (4) mede cada aprimoramento sobre dados reais — os mesmos 246 artigos da Wikipédia PT-BR do ciclo v0.21 e 1797 dígitos manuscritos reais. Nenhum número aqui vem de estimativa: cada afirmação tem um JSON de resultado e um teste que o recusa. Suíte: 9/9 gates verdes.

Como rodar (ordem canônica)

python3 -m lab.rng                 # T-L14: determinismo e Box–Muller
python3 -m lab.mapa_som            # T-L1/T-L2: não-crescência e divisão conservadora
python3 -m lab.memoria_crescente   # T-L4: conjuntos disjuntos + guarda de unidades
python3 -m lab.som                 # auto-organização observada (TE Moore)
python3 -m lab.jepa                # T-L7/T-L9 (equilíbrio + piso; torch f64)

python3 scripts/10_verificar_componentes.py [raiz_do_repo]  # inventário e FALTAS
python3 scripts/20_dados_reais.py                           # dados reais → vetores
python3 scripts/31_bancada_mapa.py                           # absoluto × relativo × histerese
python3 scripts/32_bancada_limiar.py                         # laço morto × laço corrigido
python3 scripts/33_bancada_jepa.py                           # T-L7/T-L8/G3/T-L9 (torch f64)
python3 scripts/34_bancada_som.py                            # EQ/TE/Mahalanobis
python3 scripts/35_bancada_ativacao.py                       # NOVO: T-V22-3/4/5 + A22-3/A22-4
python3 scripts/41_auditoria_v022.py                         # NOVO: A22-1..A22-4 + patches
python3 scripts/90_suite_laboratorio.py                      # gates L1..L9

Dependências: numpy, scipy, scikit-learn, matplotlib, torch (CPU, f64) — requirements.txt.

Mapa do projeto

caminho conteúdo
lab/rng.py RNG determinístico (xorshift64* + Box–Muller exato; lição r-17 §3.4)
lab/metricas.py EQ (distância quadrada) × QE (norma L2) × TE (Moore) com unidade declarada + guarda tipada
lab/autorregulacao.py lei de equações (v0.19) + ensaio-compromisso (v0.20) com o contrato r × y explícito
lab/mapa_som.py família MAPA: mediana geométrica (Weiszfeld), critério relativo, histerese
lab/memoria_crescente.py memória crescente: penalidade held-out honesta + lei corrigida opt-in (lab-A1)
lab/som.py SOM de grade em lote, Euclidiana × Mahalanobis (Cholesky)
lab/jepa.py LeJEPA-lab: energia aprendida + equilíbrio desenrolado + anti-colapso no objetivo (torch f64)
lab/suite.py gates L1..L9
scripts/ bancadas (20/31/32/33/34/35) + auditoria (41) + inventário (10) + suíte (90)
rust/v022/originais/ NOVO: os 5 anexos do ciclo v0.22 (fonte rotulada, auditada)
rust/patches-v022/ 5 patches propostos (1–3 herdados; 4–5 novos, fecham A22-1..A22-4)
resultados/ JSONs medidos + figuras + inventários
docs/ registro dos ciclos (r-65, r-66) + quadro de equivalências
ESTRUTURA.md inventário de componentes + faltas verificadas (khtst-rust × laboratorio)
AUTOCRITICA.md autocritique em 5 eixos (matemática, física, física matemática, lógica, programação)

Resultados medidos (resumo; detalhes em docs/r-66-laboratorio.md)

achado publicado laboratorio (este repo) dado real
laço de regulação morto: erro ≡ 0, 0 propostas em 12 passos vivo: 11–12 propostas reais, ensaio a cada passo wiki PT-BR + digits
crescimento absoluto desgovernado 19 → 215 células 19 → 75 células com EQ held-out 2,318 → 2,101 digits
histerese (patch 3) — 6 divisões → 0, EQ held-out 0,8124 → 0,8102 wiki PT-BR
meta-gradiente exato prova em Rust erro autograd × dif. finitas 3,6e−11; 1ª ordem 4,5e−02 digits
equilíbrio (T-V21-7) resíduo KKT decai resíduo 47,2 → 0,022; controle η×4 → 6,25 digits
SOM: auto-organização — TE Moore 0,947 → 0,096, EQ 23,86 → 1,47 digits
NOVO A22-3: partição do driver descarta n % threads corrigida cobre 100% (perde 1/1003 → 0) digits (n não divisível)
NOVO A22-4: BF16 truncado viés sistemático wiki: viés −2,815e−3 × −2,638e−5 (RNE, 107×); máx 1 ULP × ½ ULP wiki PT-BR
NOVO T-V22-3/5: alavancas provas em Rust vetor 3,61×; thread 1,08× ≤ teto 2,00× (leis respeitadas) digits

Auditoria dos anexos v0.22 (A22-1..A22-4)

id defeito no anexo original eixo fechamento
A22-1 relatorio_completo usa __cpuid sem #[cfg(target_arch)] — não compila fora de x86_64 programação × portabilidade patch 4
A22-2 CONTADOR_XGETBV_TOTAL nunca incrementado — telemetria publicada é a constante 0 lógica × telemetria patch 4
A22-3 paralelizar descarta n % threads elementos; mesma_soma daria diagnóstico errado matemática × programação patch 5
A22-4 BF16 por truncamento: viés −1/2 ULP; a cota 3·2⁻¹¹ assume RNE matemática × física patch 5

Re-executável: python3 scripts/41_auditoria_v022.py (4/4 localizados, 4/4 fechados por patch, com trecho e linha citados).

Doutrina herdada

  • Flags opt-in: lei_corrigida=False por padrão — o caminho padrão reproduz o comportamento publicado (não-regressão).
  • Leitura honesta: paridade SEMÂNTICA, não bit-a-bit (o StdRng do rand não é reproduzível em Python — declarado, não omitido); Rust aqui é FONTE ROTULADA (cargo ausente no ambiente — declarado em cada patch e no LEIA-ME).
  • Tríplice prova: teoremas T-L*/T-V22* com ∎, condição de falsificação executável e medição em dados reais.
  • Controles não-vácuos: todo teste positivo tem um braço que DEVE falhar (incluindo o achado deste ciclo: o banco digits é teste VÁCUO para o viés do BF16 — múltiplos exatos de 1/16 são exatos em BF16).
  • Higiene de credenciais: token EXCLUSIVAMENTE em variável de ambiente HF_TOKEN, apagado do ambiente após o uso; o gate L7 (regex hf_[A-Za-z0-9]{20,} sobre todo o projeto) torna isso teste — e roda ANTES de cada publicação (commit único).

Licença

Apache-2.0

Downloads last month

-

Downloads are not tracked for this model. How to track
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support