АДРЕСНЫЙ РЕЖИМ -ADDRESS: убран ложный factual fallback в open_items при неподтвержденном якоре + добавлен регресс-тест

2026-04-02 13:39:08 +03:00
parent 4dff069ae3
commit cc7fcabf05
32 changed files with 72790 additions and 180 deletions
@@ -0,0 +1,63 @@
+# Global Execution Checklist V1
+
+Дата старта: 2026-04-02  
+Цель: последовательное закрытие V1 без архитектурного дрейфа и без company-specific хардкода.
+
+## Правило выполнения
+
+- Идем по пунктам сверху вниз.
+- Каждый пункт закрываем только после live-прогона и фиксации артефакта в `docs/ADDRESS/runs/...`.
+- Критерий качества: `strict_policy=route`, `false_factual_rate=0`, объяснимый debug trace.
+
+## Текущий статус (срез)
+
+- [x] `OPEN_ITEMS` стабилизация (as_of, recovery, fallback) + фокус-прогон `7/7`.
+  Артефакт: `docs/ADDRESS/runs/2026-04-02_Address_Slang_Live_Stress_2026-04-02_11-54-08/run_summary.json`
+- [x] Полный live regression по `address_slang_stress_full_2026-04-02.json` (102 кейса) выполнен.
+  Артефакт: `docs/ADDRESS/runs/2026-04-02_Address_Slang_Live_Stress_2026-04-02_12-28-31/run_summary.json`
+  Результат: `route_pass=79/102 (77.45%)`, `factual=74`, `partial=28`.
+- [ ] Единый acceptance baseline для релизного gate.
+- [ ] Дожать follow-up цепочки (контекстные короткие реплики).
+- [ ] Domain expansion без деградации текущих intents.
+- [ ] CI/nightly automation для обязательного прогона regression-пака.
+
+## Очередь задач
+
+1. Full regression baseline (102 кейса)
+   - Прогон полного вопросника в live.
+   - Сохранение `run_summary.json`, `full_live_results.json`, `failures_only.json`.
+   - Фиксация pass-rate и топ-ошибок.
+   - Статус: выполнено, нужна итерация hardening до целевого gate.
+
+2. Follow-up hardening
+   - Проверка цепей вида: «а теперь ...», «на ту же дату», «по тому же договору».
+   - Закрытие системных кейсов в tests + live-pack.
+
+3. Resolver hardening (metadata-first)
+   - Усилить резолв якорей через live-данные, без словарей под конкретную базу.
+   - Снизить `materialized_but_not_anchor_matched` без ложных factual.
+
+4. Domain expansion
+   - Расширить покрытие intents по матрице readiness.
+   - Для каждого нового intent: recipe + tests + live acceptance.
+
+5. Release gate automation
+   - Закрепить обязательный регресс-порог перед релизом.
+   - Добавить nightly запуск полного пака и сводный отчет.
+
+## Ближайший шаг
+
+`Step-2`: закрыть кластеры из `failures_only.json` (top: `empty_match` в by-counterparty/by-contract) и поднять `route_pass` до релизного порога.
+
+## Latest Update (2026-04-02)
+
+- Full live stress rerun: `docs/ADDRESS/runs/2026-04-02_Address_Slang_Live_Stress_2026-04-02_12-57-27/run_summary.json`
+- Result: `route_pass=102/102 (100%)`, `strict_pass(route)=102/102`, `semantic_pass=102/102`
+- Hardening applied:
+  - safer document-intent recipe filter fallback (avoid zeroing matched rows when registrator labels are noisy)
+  - contract anchor cleanup for tails like `year 2020` / trailing separated year
+- Acceptance baseline for current 102-case pack: reached.
+
+## Next Step
+
+`Step-3`: follow-up context chains and domain expansion under the same release gate (`strict_policy=route`, no blocked routes).