Архивный отчёт от 26 сентября 2026 года. Эта версия для чтения сохраняет результаты и ограничения исходного запуска; она не является актуальным руководством по продукту. Исходный отчёт, проверенная ревизия
61e75e9aa9a8719dfb480bf1f5226553b3a21d70.
Этот заранее зарегистрированный повторный запуск завершился с valid: true. Сохранены план, исходные записи, аудит, метка завершения и отчёт. Тот же закоммиченный анализатор воспроизводит report.json байт в байт. Хеши записей и аудита в метке завершения совпадают с сохранёнными файлами. V2 оценён по зафиксированному протоколу; предыдущий запуск v1 остаётся некорректным по исходному контракту оценивания.
| Заранее зарегистрированный результат | Проверка выключена | Проверка включена |
|---|---|---|
| Документ заметки обновлён | 2/2 | 1/2 |
| Независимый читатель ответил правильно по строгому оценщику | 0/2 | 1/2 |
| Неправильный ответ | 1/2 | 1/2 |
| Ответ не поддаётся оценке из-за неподдерживаемой ссылки | 1/2 | 0/2 |
| Операционный сбой | 0/2 | 0/2 |
Эти строгие оценки требуют пояснений по случаям. В upkeep-reversal при выключенной проверке decision.md обновили до режима B, и читатель ответил Mode B, тогда как зарегистрированный точный ответ — B; поэтому оценщик признал его неправильным, несмотря на совпадающий смысл. При включённой проверке документ остался с режимом A после изменения кода на B, и читатель ответил Mode A. После правки проверка по-прежнему возвращала needs_review. В upkeep-truncated оба документа объясняют, что по частично сохранённым данным нельзя установить состояние развёртывания, и оба читателя ответили Insufficient evidence. («недостаточно данных»). При включённой проверке читатель сослался на допустимый идентификатор артефакта handler и получил правильную оценку. При выключённой проверке он сослался на текстовое описание, отсутствующее среди идентификаторов артефактов набора, поэтому содержательно уместный ответ признан не поддающимся оценке по заранее зарегистрированным правилам ссылок. Итоговое состояние reviewed_updated при включённой проверке фиксирует изменение файла заметки, а не независимое доказательство правильности его содержания.
Аудит фиксирует все четыре ожидаемые пары автора/читателя, 10 вызовов модели, 155,387 наблюдаемых входных и выходных токенов, ноль вызовов с неизвестным потреблением, 10 разных идентификаторов сессий модели и успешную проверку Go CLI каждого итогового набора. SHA-256 плана — 98f16ab46d4241bf6a8cfb8dcd7f3ff45189021dee362d5c0fc65073b38adc7f; записей — 086005a2e123b126c2804d9d9b28b26241c97c9abea60b15bf24bf1d6f938707; аудита — 23ec5bcb8fc29f4a987da1b09958f66be0aa8dfc9350483da56e559ed3485eb9. Стоимость в USD недоступна.
Это описательный результат по двум случаям. Группа с включённой проверкой объединяет напоминание о пересмотре, реальную обратную связь проверки и дополнительную правку автора, поэтому эксперимент не выделяет эффект самой проверки. Строгие оценки читателей 0/2 против 1/2 также занижают смысловое качество ответов при выключённой проверке из-за требований к точному ответу и формату ссылки. Эти наблюдения дают регрессионные случаи и основания для более ясного контракта оценки, а не для утверждения, что включённая проверка улучшает качество ответов читателя.