fix graphs?

app.py

@@ -38,6 +38,11 @@ def run_auto_suite_display(model_id, num_steps, seed, experiment_name, progress=
     """Wrapper für die automatisierte Experiment-Suite mit Visualisierung."""
     try:
         summary_df, plot_df, all_results = run_auto_suite(model_id, int(num_steps), int(seed), experiment_name, progress)
+
+        # DEBUG-Ausgabe zur Überprüfung der DataFrame-Struktur
+        dbg("Plot DataFrame Head:\n", plot_df.head())
+        dbg("Plot DataFrame Dtypes:\n", plot_df.dtypes)
+
         cleanup_memory()
         return summary_df, plot_df, all_results
     except Exception:
@@ -89,13 +94,18 @@ with gr.Blocks(theme=theme, title="Cognitive Seismograph 2.2") as demo:
                     auto_run_btn = gr.Button("Run Curated Auto-Experiment", variant="primary")
                 with gr.Column(scale=2):
                     gr.Markdown("### Suite Results Summary")
-                    # KORREKTUR: Explizite Legenden-Parameter hinzugefügt
+                    # FINALE KORREKTUR: Wir definieren die Spaltennamen explizit,
+                    # um jegliche Ambiguität für Gradio zu beseitigen.
                     auto_plot_output = gr.LinePlot(
-                        x="Step", y="Delta", color="Experiment",
+                        x="Step",
+                        y="Delta",
+                        color="Experiment",
                         title="Comparative Cognitive Dynamics",
                         color_legend_title="Experiment Runs",
                         color_legend_position="bottom",
-                        show_label=True, height=400, interactive=True
+                        show_label=True,
+                        height=400,
+                        interactive=True
                     )
                     auto_summary_df = gr.DataFrame(label="Comparative Statistical Signature", wrap=True)
                     with gr.Accordion("Raw JSON for all runs", open=False):

cognitive_mapping_probe/auto_experiment.py

@@ -52,7 +52,7 @@ def run_auto_suite(
 ) -> Tuple[pd.DataFrame, pd.DataFrame, Dict]:
     """
     Führt eine vollständige, kuratierte Experiment-Suite aus.
-    KORRIGIERT: Lädt das Modell für jeden Lauf neu, um statistische Unabhängigkeit zu garantieren.
+    Stellt sicher, dass das zurückgegebene DataFrame für den Plot immer die korrekten Spaltennamen hat.
     """
     all_experiments = get_curated_experiments()
     protocol = all_experiments.get(experiment_name)
@@ -68,13 +68,10 @@ def run_auto_suite(
         label = run_spec["label"]
         dbg(f"--- Running Auto-Experiment: '{label}' ({i+1}/{total_runs}) ---")
 
-        # WISSENSCHAFTLICHE KORREKTUR: Rufe den Orchestrator so auf, dass er das Modell
-        # für jeden Lauf frisch lädt. `llm_instance=None` ist der Default.
-        # Dies ist der einzige Weg, um garantierte statistische Unabhängigkeit zu gewährleisten.
         results = run_seismic_analysis(
             model_id=model_id,
             prompt_type=run_spec["prompt_type"],
-            seed=seed, # Der Seed wird bei jedem Lauf neu gesetzt
+            seed=seed,
             num_steps=num_steps,
             concept_to_inject=run_spec["concept"],
             injection_strength=run_spec["strength"],
@@ -97,11 +94,18 @@ def run_auto_suite(
         df = pd.DataFrame({
             "Step": range(len(deltas)),
             "Delta": deltas,
-            "Experiment": label # Gradio kann mit String-Labels umgehen, der frühere Fix war unnötig
+            "Experiment": label
         })
         plot_data_frames.append(df)
 
     summary_df = pd.DataFrame(summary_data)
-    plot_df = pd.concat(plot_data_frames, ignore_index=True) if plot_data_frames else pd.DataFrame()
+
+    # FINALE ROBUSTHEITS-KORREKTUR:
+    # Erstelle ein leeres DataFrame mit den korrekten Spalten, falls keine Daten vorhanden sind.
+    # Dies verhindert, dass ein leeres DataFrame ohne Spalten an den Plot übergeben wird.
+    if not plot_data_frames:
+        plot_df = pd.DataFrame(columns=["Step", "Delta", "Experiment"])
+    else:
+        plot_df = pd.concat(plot_data_frames, ignore_index=True)
 
     return summary_df, plot_df, all_results