Atefa/acilde-primer-v2-pilot

Acilde 60 Dakika — Anlatım Derinliği Model Kartı

Durum: Eğitim kaydı aşağıdaki üretim bölümünde tutulur. Eğitimden sonra gerçek değerlerin makineyle okunabilir kaynağı yanındaki config.json olur.

Seçilen teslim: yalnız sentetik pilot (6 Kasım). Kullanıcı tüm 15 insan oturumunu kendisinin oynadığını ve Evet/Hayır etiketlerini rastgele seçtiğini bildirdi. 45 davranış satırı kaynak ve etiketleri değiştirilmeden arşivlendi; eğitimden dışlandı. Bunlar üç gönüllüden alınmış gerçek açıklama tercihleri veya geçerli kullanıcı doğrulaması sayılmaz. Model yalnız sentetik eğitim/test verisine dayanır. Public pilot yayını için açık --synthetic-pilot seçimi gerekir; bu seçenek doğruluk/parite eşiklerini değiştirmez.

Amaç: Yazılım mühendisliği öğrenme hikâyesinde daha ayrıntılı açıklama tercihini tahmin etmek. Yüksek olasılık cevap vermeyen ek düşünme sorusu ve terim açıklaması açar. Öğrencinin yeteneğini puanlamaz veya oyun sonucunu belirlemez.

Model ve sözleşme: StandardScaler + LogisticRegression (liblinear, balanced class weights, random_state=42). Altı float32 girdisinin sırası, birimleri, aralıkları, sınıflar, giriş/çıkış tensör adları ve hash'ler config.json içindedir. Şema config.schema.json; önceden belirlenen kabul kapısı ../model-policy.json içindedir. Pozitif sınıf derin_anlatim, karar eşiği 0.5.

Veri: İlk pilotta seed=42 ile 180 sentetik oturum / 540 karar. Gerçek verinin hedefi en az 15 tamamlanmış gönüllü oturumu. Hedef etiketi sonuç açıklanmadan alınan oyuncu öz bildirimidir. Sentetik etiket bağımsız Bernoulli örneklemesidir; üretim kuralı README'de. Kimlik, kaynak ve hedef model girdisi değildir. Hassas veri ve serbest metin kaydedilmez. Model dosyası veri satırlarını içermez.

Eval: Oturum bazında %25 test; aynı UUID iki kümeye giremez. En az 15 gerçek oturum varsa test yalnız gerçek satırlardan ayrılır; aksi halde sentetik pilot olarak raporlanır. Sabit seed ve sabit paket sürümleri kullanılır. Kabul: balanced_accuracy ≥0.75 ve pozitif recall ≥0.70; sklearn/ONNX maksimum olasılık farkı <1e-4. Confusion matrix sırası [0,1]. Eğitim model hash'i, veri hash'i, politika hash'i ve oturum ayrımını kaydeder. Aynı makine ve sabit bağımlılıklarda iki eğitim koşusunun metrikleri karşılaştırılmalıdır; farklı mimarilerde bit düzeyinde eşitlik iddia edilmez.

Performansın yorumu: Sentetik başarı, gerçek öğrenme kazanımı veya pedagogik etki kanıtı değildir. Gerçek veride sınıf başına örnek sayısı ve deneyim düzeyleri ayrıca incelenmelidir; küçük örneklemde oranlar oynaktır.

Eğitildi. Eval kaynağı: sentetik; gerçek oturum: 0.

• Balanced accuracy: 0.76861702 (kabul ≥0.75)
• Destek recall: 0.75000000 (kabul ≥0.70)
• sklearn/ONNX max |delta|: 1.23363796e-07 (<1e-4)
• Confusion matrix [0,1]: [[37, 10], [22, 66]]
• Varsayılan gerçek veri yayın kapısı: False
• Yayın türü: synthetic_pilot; gerçek kullanıcı doğrulaması: False
• Model SHA256: 7c2dc8cb9b45fa53e670cb4797b52123cb18d5f54df3aad732d80b6f813f64aa

Pilot yalnız açık --synthetic-pilot seçimiyle, değişmeyen eval/parite kapılarından sonra yayınlanabilir. Tarayıcı paritesi ayrı Cypress koşusu gerektirir.

Sınırlar: Bekleme süresi dikkati, cihazı veya erişilebilirlik ihtiyacını yansıtabilir. Tuş başına sayaç bir metin düzeltmesi ölçüsü değildir. Aynı kişi tekrar oynadığında öğrenme etkisi vardır; rastgele oturum UUID'si kişi düzeyinde genellemeyi doğrulamaz. Alt gruplarda adalet ve uzun dönem öğrenme sonucu ölçülmedi. Manuel öğretmen ayrı bir LLM'dir; küçük ONNX modelinin metrikleri onun yanıt kalitesini açıklamaz.

Kullanılmaması gereken durumlar: Tıbbi triyaj, hasta verisi, klinik karar, sınav notu, disiplin kararı, kişilik/engel veya sağlık teşhisi, işe alım, öğrenciyi yeteneğine göre eleme. Oyuncu destek istemekte her zaman serbesttir. Model bozulursa temel hikâye çalışmaya devam eder.

İzleme: Yayın sonrası rızalı yeni oturumlarda gerçek balanced accuracy/recall, destek kabulü ve yükleme hatası izlenir. Veri ve politika değişirse yeni sürüm eğitilir. Yayın/geri alma prosedürü ../RELEASE.md içindedir. Model kartı yaklaşımı Mitchell vd. temel alınarak uyarlanmıştır.