From 8fb84b3d4052a04fe7782de0a9a1714c66f217ef Mon Sep 17 00:00:00 2001 From: PSBigBig + MiniPS Date: Wed, 6 May 2026 17:56:41 +0800 Subject: [PATCH] Update README.zh-TW.md --- Polaris/experiments/README.zh-TW.md | 249 +++++++++++++++++++++------- 1 file changed, 193 insertions(+), 56 deletions(-) diff --git a/Polaris/experiments/README.zh-TW.md b/Polaris/experiments/README.zh-TW.md index b6eefb28..fa7410f7 100644 --- a/Polaris/experiments/README.zh-TW.md +++ b/Polaris/experiments/README.zh-TW.md @@ -1,4 +1,4 @@ -# Polaris 實驗證據包繁體中文版 🌌 +# Polaris Protocol 實驗證據包繁體中文版 🌌 > English version: [`README.md`](./README.md) > 說明：目前不是每一個 WFGY 頁面都有繁體中文版本。若繁體中文頁面和英文頁面有差異，請以英文頁面作為主要參考版本。 @@ -7,9 +7,11 @@ 這一頁的目的很簡單： -讓你不用先下載 ZIP，也能先看懂這批實驗在驗證什麼、為什麼跟 AI 成本有關、公開證據包各自代表什麼，以及目前結果能說什麼、不能說什麼。 +讓你不用先下載 ZIP，也能先看懂這批實驗在驗證什麼、為什麼跟 AI 成本有關、公開證據包各自代表什麼、如何用 Colab 檢查或重現，以及目前結果能說什麼、不能說什麼。 -ZIP 檔主要是給想重現、研究、審核、檢查公開證據紀錄的人使用。 +公開 ZIP 檔包含的是目前的實驗證據紀錄。 + +Colab notebooks 則是給想進一步檢查、重現、改寫或產生報表的人使用的 companion notebooks。 官方 repository： @@ -28,12 +30,13 @@ https://github.com/onestardao/WFGY | 你想看什麼 | 跳到哪裡 | | --- | --- | | 先看懂這批實驗 | [3 分鐘快速看懂](#quick-start) | +| 直接開 Colab | [用 Colab 檢查 / 重現](#colab) | | 各包分別是什麼 | [七個公開證據包](#evidence-packs) | | 為什麼新增 PP02D | [社群建議補充實驗](#community-follow-up) | | 核心數據是多少 | [核心結果總覽](#results) | | 題目有沒有偷懶 | [題目設計與嚴謹性](#rigor) | | 黑粉質疑怎麼回答 | [FAQ 與黑粉攻擊](#faq) | -| 想下載或重現 | [下載與檔案驗證](#downloads) | +| 下載證據 ZIP | [下載與檔案驗證](#downloads) | | 哪些不能宣稱 | [宣稱邊界](#claim-ceiling) | --- @@ -46,13 +49,13 @@ https://github.com/onestardao/WFGY 模型每次讀越多 token，推理成本就越高。 -Polaris 實驗問的是： +Polaris Protocol 實驗問的是： > 如果我們不要每次都把整本說明書丟給模型，而是先把任務整理成更穩定的結構，再交給模型輸出，能不能在少很多 token 的情況下，仍然保留可檢查的輸出品質？ 這不是單純把 prompt 剪短。 -單純剪短 prompt，可能會把重要限制、邊界、評分條件和錯誤檢查一起剪掉。Polaris 的重點不是粗暴刪字，而是把任務裡真正重要的關係整理出來。 +單純剪短 prompt，可能會把重要限制、邊界、評分條件和錯誤檢查一起剪掉。Polaris Protocol 的重點不是粗暴刪字，而是把任務裡真正重要的關係整理出來。 它要保留的是： @@ -69,7 +72,7 @@ Polaris 實驗問的是： 傳統長上下文做法，像是每次都把整本城市百科全書交給模型。 -Polaris 的做法，像是先畫出城市地圖、道路關係、危險區域、目的地和檢查點。 +Polaris Protocol 的做法，像是先畫出城市地圖、道路關係、危險區域、目的地和檢查點。 重點不是把資訊變少。 @@ -77,7 +80,7 @@ Polaris 的做法，像是先畫出城市地圖、道路關係、危險區域、 一句話說： -> Polaris 不是把任務變小，而是把任務變清楚。🧠 +> Polaris Protocol 不是把任務變小，而是把任務變清楚。🧠
展開：這跟 GPU 成本有什麼關係？ @@ -92,7 +95,7 @@ Polaris 的做法，像是先畫出城市地圖、道路關係、危險區域、 這會變成成本。 -Polaris 的思路是： +Polaris Protocol 的思路是： 除了追求更大的模型、更強的 GPU、更長的上下文，我們也可以反過來問： @@ -100,7 +103,7 @@ Polaris 的思路是： 如果任務可以被整理成更穩定的結構，模型可能不需要每次重讀一整座圖書館，而是讀一張更清楚的任務地圖。 -所以 Polaris 不是說 GPU 不重要。 +所以 Polaris Protocol 不是說 GPU 不重要。 它是在說： @@ -113,7 +116,7 @@ AI 成本不只可以從硬體端解，也可以從任務結構端解。 如果只是把提示詞剪短，通常會丟失資訊，品質也可能下降。 -Polaris 的實驗重點不是粗暴刪字，而是把任務內容重新整理成更穩定的結構。 +Polaris Protocol 的實驗重點不是粗暴刪字，而是把任務內容重新整理成更穩定的結構。 可以想像成： @@ -144,6 +147,102 @@ Polaris 的實驗重點不是粗暴刪字，而是把任務內容重新整理成 --- + + +## 用 Colab 檢查 / 重現 🚀 + +公開證據包裡已經包含實驗結果、模型原始輸出、判定、審核、token 紀錄與 public-safe evidence files。 + +Colab notebooks 是 companion notebooks，提供給想要檢查、重現、改寫或產生報表的讀者使用。 + +你不需要重新跑 notebook 才能理解目前公開結果。 + +結果快照已經整理在本頁下方。 + +如果你選擇重新執行 notebook，token 用量與成本可能會因為以下因素而變動： + +- 選用模型 +- 當下 API 定價 +- API runtime 行為 +- cases 數量 +- retry 行為 +- 輸出長度 +- 是否執行 smoke、mini 或 full mode + +這些 Colab notebooks **不是第三方認證**。 + +它們是公開證據包的重現 / 檢查 companion notebooks。 + +--- + +### Colab notebooks + +| Package | 用途 | 已公開結果快照 | Colab | +| --- | --- | --- | --- | +| PP01 | 成本主戰場 | 320 cases；Group C total token ratio vs Group A = `0.1656`；overclaim count = `0`；critical wrong-source count = `0` | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/onestardao/WFGY/blob/main/Polaris/experiments/downloads/PP01.ipynb) | +| PP02A | 版本演化證據 | 120 cases；240 final-run raw outputs；parse success rate = `1.0`；final result = `SEAL_PASS` | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/onestardao/WFGY/blob/main/Polaris/experiments/downloads/PP02A.ipynb) | +| PP02B | 數學壓力 / 結構化證據鏈 | 120 cases；720 expected / actual outputs；Group C parse pass rate = `1.0`；main certificate result = `T4_MAIN_CERTIFICATE_PASS` | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/onestardao/WFGY/blob/main/Polaris/experiments/downloads/PP02B.ipynb) | +| PP02C | 程式修復紅線證據 | 120 cases；720 expected / actual outputs；hard red-line count = `0`；claim-boundary pass rate = `1.0` | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/onestardao/WFGY/blob/main/Polaris/experiments/downloads/PP02C.ipynb) | +| PP02D_A | API 穩定性補充 | 216 fixtures；fixture pass = `216/216`；support closure checks = `2160/2160`；poison reject = `12/12` | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/onestardao/WFGY/blob/main/Polaris/experiments/downloads/PP02D.ipynb) | +| PP02D_B | Hardcase final-run gates | 216 API calls；certificate exact = `216/216`；parser rescue = `0`；semantic fallback = `0` | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/onestardao/WFGY/blob/main/Polaris/experiments/downloads/PP02D_B.ipynb) | +| PP02D_C | Public QA compact-context evidence | 100 public QA cases；compact context 在公開範圍內維持可比較 answer F1，並降低 token / cost load | [![Open in Colab](https://colab.research.google.com/assets/colab-badge.svg)](https://colab.research.google.com/github/onestardao/WFGY/blob/main/Polaris/experiments/downloads/PP02D_C.ipynb) | + +--- + +### 每個 Colab 會產生什麼 + +每個 MVP Colab 的最後都設計成會產生一個簡短報表區。 + +目的不是丟一堆 raw table 讓讀者自己猜。 + +目的是用幾個簡單輸出，把實驗訊號看清楚。 + +每個 notebook 預期會產生： + +| 輸出 | 用途 | +| --- | --- | +| `executive_report.md` | 簡短人類可讀摘要 | +| `metrics_summary.csv` | 精簡指標表 | +| `chart_01_*.png` | 主訊號圖 | +| `chart_02_*.png` | 安全 / gate / comparison 圖 | +| `chart_03_*.png` | token / cost / supporting 圖 | + +報表圖的重點如下： + +| Package | 報表重點 | +| --- | --- | +| PP01 | token ratio、score retention、overclaim / wrong-source checks | +| PP02A | final pass、domain coverage、weaker previous reference | +| PP02B | compiler certificate、family verdicts、model stress separation | +| PP02C | hard red-line counts、claim-boundary pass rate、false repair categories | +| PP02D_A | fixture pass、support closure、poison rejection | +| PP02D_B | certificate exactness、parser rescue = 0、semantic fallback = 0 | +| PP02D_C | baseline vs compact answer F1、token reduction、estimated cost reduction | + +--- + +### Colab 宣稱邊界 + +Colab notebooks 是公開重現 / 檢查 companion notebooks。 + +它們不會改變實驗的宣稱邊界。 + +| 不應把 Colab 解讀為 | 正確解讀 | +| --- | --- | +| 第三方官方驗證 | 公開重現 / 檢查 notebook | +| 通用證明 | 範圍化實驗 companion | +| production seal | 可執行的 evidence-side artifact | +| 保證每次 rerun 完全一致 | rerun 會受模型、API、定價、設定影響 | +| 證明所有 AI 任務都已解決 | 只支撐公開任務範圍內的 evidence | + +已公開結果摘要仍是主要參考。 + +Colab notebooks 的作用，是讓證據更容易被檢查、重跑與改寫。 + +[回到快速導覽](#top) + +--- + ## 七個公開證據包 📦 @@ -210,7 +309,7 @@ PP02D 不是取代前面的證據包，而是補上更多檢查：API 穩定性 這包看的是 public QA noninferiority under compact context。 -它使用 100 題公開 QA cases，比較 baseline raw context 與 Polaris compact context 在兩個模型層級下的表現。它不是要宣稱全域 QA 優越，而是公開一組可檢查證據：在這個公開測試範圍內，compact context 能降低 token 成本，同時維持可比較的 QA 訊號。 +它使用 100 題公開 QA cases，比較 baseline raw context 與 Polaris Protocol compact context 在兩個模型層級下的表現。它不是要宣稱全域 QA 優越，而是公開一組可檢查證據：在這個公開測試範圍內，compact context 能降低 token 成本，同時維持可比較的 QA 訊號。 [回到快速導覽](#top) @@ -234,7 +333,7 @@ PP02D 補上的內容： | --- | --- | --- | | PP02D_A | 216-fixture sharded API stability 與 preservation checks | 補上 structured outputs、support checks、counterfactual checks、poison-rejection checks 在 API-style sharding 下能否穩定保留 | | PP02D_B | 216-call hardcase final-run evidence | 補上 hardcase gates 是否能在沒有 parser rescue、semantic fallback、certificate mismatch、valid-set mismatch 的情況下通過 | -| PP02D_C | 100-case public QA noninferiority pilot | 補上 baseline raw context 與 Polaris compact context 的公開 QA 比較，並包含 token 與成本下降紀錄 | +| PP02D_C | 100-case public QA noninferiority pilot | 補上 baseline raw context 與 Polaris Protocol compact context 的公開 QA 比較，並包含 token 與成本下降紀錄 | 白話說： @@ -256,11 +355,14 @@ PP02D 讓公開證據層更寬、更可檢查，但它不宣稱所有 AI 任務 目前公開的是 WFGY 5.0 Polaris Protocol 預發布階段的第一層實驗證據。 -這一層重點是公開結果、證據鏈與可審核材料，不是完整開源執行包。 +這一層重點是公開結果、證據鏈、可審核材料，以及 MVP Colab companion notebooks。 + +它不是完整 formal reproduction suite。 | 項目 | 數量或狀態 | | --- | ---: | | 主要公開證據包 | 7 | +| 推薦 MVP Colab companion notebooks | 7 | | 原始 PP01–PP02C 主要測試案例 | 680 | | 原始 PP01–PP02C 主要模型輸出 | 3600 | | PP02D_A fixtures | 216 | @@ -268,11 +370,11 @@ PP02D 讓公開證據層更寬、更可檢查，但它不宣稱所有 AI 任務 | PP02D_C 公開 QA cases | 100 | | PP02D_C model-arm output records | 400 | | 內含完整核心數學 | 0 | -| 內含完整 Colab 執行 notebook | 0 | +| 完整 formal reproduction suite | still expanding | 目前公開版本可以支持的是： -> 在目前公開的任務範圍內，Polaris 顯示出一個值得重視的訊號：任務如果先被整理成更穩定的結構，就有機會降低 token 成本，同時保留可檢查的輸出品質。 +> 在目前公開的任務範圍內，Polaris Protocol 顯示出一個值得重視的訊號：任務如果先被整理成更穩定的結構，就有機會降低 token 成本，同時保留可檢查的輸出品質。 目前公開版本不應被解讀為： @@ -280,12 +382,12 @@ PP02D 讓公開證據層更寬、更可檢查，但它不宣稱所有 AI 任務 | --- | --- | | 所有 AI 任務都已經解決 | 目前只覆蓋指定公開任務範圍 | | 小模型全面打敗大模型 | 目前證明的是指定任務中的結構化效果 | -| GPU scaling 已經不重要 | GPU 仍然重要，Polaris 是任務結構端的成本路線 | +| GPU scaling 已經不重要 | GPU 仍然重要，Polaris Protocol 是任務結構端的成本路線 | | 第三方官方 benchmark | 這是自建公開實驗證據鏈 | | 完整核心數學已公開 | 目前公開的是證據包，不是完整核心 | -| 完整 Colab 重現流程已公開 | 完整重現材料會在正式開源發布後補上 | +| 完整 formal reproduction suite 已完成 | MVP Colab companion notebooks 已提供，但完整 formal reproduction suite 仍在擴展 | -完整核心數學、正式重現材料與更多發布內容，預計在正式開源發布後逐步補上。 +完整核心數學、正式重現材料與更多發布內容，預計會逐步補上。
展開：七包詳細結果快照 @@ -426,7 +528,7 @@ PP02C 也包含沙盒 run、全域硬性紅線矩陣、迷你預檢與干擾來 | --- | ---: | | 公開 QA cases | 100 | | Models | `gpt-4.1-mini`, `gpt-4.1` | -| Arms | baseline raw context, Polaris compact context | +| Arms | baseline raw context, Polaris Protocol compact context | | Model-arm output records | 400 | | Parse pass records | 400/400 | | Metadata leakage fail count | 0 | @@ -454,6 +556,10 @@ Model-ladder detail： | `gpt-4.1-mini` | `A_BASELINE_RAW_CONTEXT` | 0.7978095238 | 0.8906666667 | 1 | 0 | 0.099630 | | `gpt-4.1-mini` | `B_POLARIS_COMPACT_CONTEXT` | 0.8063095238 | 0.8503333333 | 2 | 0 | 0.068566 | +說明： + +PP02D_C 推薦 MVP Colab 可能使用 `Full100 Mini` runnable path，以降低重現成本。較完整的 two-model model-ladder summary 仍屬於已公開 evidence record 的一部分。 +
[回到快速導覽](#top) @@ -468,7 +574,7 @@ Model-ladder detail： 如果只拿幾個模型剛好會回答的題目，確實可以做出很好看的頁面，但那種結果沒有太大研究價值。 -Polaris 這批實驗採用的是家族化設計。 +Polaris Protocol 這批實驗採用的是家族化設計。 意思是： @@ -559,7 +665,7 @@ PP02D_C 不只看 compact context 是否比較省 token，也看 answer F1、sup 它更接近： -> 把模型常見失敗路徑整理成測試場，再檢查 Polaris 是否能降低這些失敗。 +> 把模型常見失敗路徑整理成測試場，再檢查 Polaris Protocol 是否能降低這些失敗。
@@ -591,7 +697,8 @@ token 成本。 審核紀錄。 警告紀錄。 硬性紅線。 -檔案指紋。 +檔案指紋。 +MVP Colab companion notebooks。 所以這批資料的定位不是： @@ -620,15 +727,15 @@ token 成本。 短 prompt 是減字。 -Polaris 是整理任務結構。 +Polaris Protocol 是整理任務結構。 -如果只是剪短文字，很容易把限制、邊界、評分條件和錯誤檢查一起剪掉。Polaris 要做的是保留這些關鍵資訊，只是把它們整理成模型更容易使用的任務地圖。 +如果只是剪短文字，很容易把限制、邊界、評分條件和錯誤檢查一起剪掉。Polaris Protocol 要做的是保留這些關鍵資訊，只是把它們整理成模型更容易使用的任務地圖。 白話說： 傳統做法像是每次都搬一整本百科全書給模型看。 -Polaris 的方向比較像是先畫好地圖，再讓模型照著地圖完成任務。 +Polaris Protocol 的方向比較像是先畫好地圖，再讓模型照著地圖完成任務。 @@ -639,7 +746,7 @@ Polaris 的方向比較像是先畫好地圖，再讓模型照著地圖完成任 但它仍然有價值，因為它不是只放最後分數。 -這批資料公開的是一條證據鏈，包含模型原始輸出、整理後結果、每題判定、token 成本、審核紀錄、警告紀錄、硬性紅線與檔案指紋。 +這批資料公開的是一條證據鏈，包含模型原始輸出、整理後結果、每題判定、token 成本、審核紀錄、警告紀錄、硬性紅線、檔案指紋與 MVP Colab companion notebooks。 所以它的定位不是外部排名，而是可回查的公開實驗證據。 @@ -662,14 +769,14 @@ Polaris 的方向比較像是先畫好地圖，再讓模型照著地圖完成任 它更接近： -把模型常見失敗路徑整理成測試場，再檢查 Polaris 是否能降低這些失敗。 +把模型常見失敗路徑整理成測試場，再檢查 Polaris Protocol 是否能降低這些失敗。
Q4. 有沒有偷放答案或污染題目？ -公開包不是只放總分，也包含洩漏檢查、原始輸出、整理後結果與審核紀錄。 +公開包不是只放總分，也包含洩漏檢查、原始輸出、整理後結果、審核紀錄與 MVP Colab companion notebooks。 這不代表未來所有實驗都永遠不會出錯。 @@ -694,7 +801,7 @@ PP02D_C 會看 metadata leakage、self-grading risk、API key pattern risk、wro 比較精準的說法是： -在目前公開的指定任務範圍內，Polaris 顯示出任務結構化後降低 token 成本並保留可檢查輸出品質的訊號。 +在目前公開的指定任務範圍內，Polaris Protocol 顯示出任務結構化後降低 token 成本並保留可檢查輸出品質的訊號。 這不能被解讀成所有小模型都全面勝過所有大模型。 @@ -713,7 +820,7 @@ PP02D_C 會看 metadata leakage、self-grading risk、API key pattern risk、wro GPU 仍然重要。 -Polaris 的重點是從另一個方向降低成本，也就是先改善任務本身的表示方式，減少模型每次需要重讀的大量上下文。 +Polaris Protocol 的重點是從另一個方向降低成本，也就是先改善任務本身的表示方式，減少模型每次需要重讀的大量上下文。 換句話說： @@ -728,19 +835,19 @@ AI 成本也可以從任務結構端被重新思考。
-Q7. 為什麼 ZIP 裡沒有完整核心數學與完整 Colab？ +Q7. 為什麼 ZIP 裡沒有完整核心數學？ -因為這一版公開的是預發布階段的證據包，不是完整執行包。 +因為這一版公開的是實驗證據包，不是完整核心數學發布。 -目前目的，是先讓讀者看到模型原始輸出、判定、成本、審核、警告、紅線與檔案指紋。 +目前目的，是先讓讀者看到模型原始輸出、判定、成本、審核、警告、紅線、檔案指紋與 MVP Colab companion notebooks。 -完整核心數學、正式重現材料與更多發布內容，會在正式開源發布後逐步補上。 +完整核心數學與更深層 formal materials 會逐步補上。 簡單說： -這一版先公開證據。 +這一版先公開證據與 companion notebooks。 -後續再公開更深層的數學邏輯與重現材料。 +後續再公開更深層的數學邏輯與實作材料。
@@ -751,9 +858,9 @@ AI 成本也可以從任務結構端被重新思考。 最重要的是： -先公開證據，再公開更深層的數學與執行材料。 +先公開證據，再公開更深層的數學與實作材料。 -這代表讀者不必只看截圖或相信口號，而是可以先看到模型原始輸出、整理後結果、判定表、token 成本、審核紀錄與檔案指紋。 +這代表讀者不必只看截圖或相信口號，而是可以先看到模型原始輸出、整理後結果、判定表、token 成本、審核紀錄、檔案指紋與 Colab companion notebooks。 換句話說： @@ -797,6 +904,19 @@ Prompt bodies 與 compact-selection trace internals 先排除，避免在正式 +
+Q11. 我一定要跑 Colab notebooks 嗎？ + +不用。 + +目前公開結果已經整理在本頁。 + +Colab notebooks 是給想要檢查、重跑、改寫或產生簡短報表的人使用。 + +執行 notebooks 可能需要 API keys，也可能依照 notebook 與設定消耗付費 tokens。 + +
+ [回到快速導覽](#top) --- @@ -833,22 +953,36 @@ ZIP 主要是給想重現、研究、審核或檢查原始輸出的人使用。 | `wfgy5_polaris_protocol_pp02d_b_public_evidence_20260504.zip` | [Download](./downloads/wfgy5_polaris_protocol_pp02d_b_public_evidence_20260504.zip) | | `wfgy5_polaris_protocol_pp02d_c_public_evidence_20260504.zip` | [Download](./downloads/wfgy5_polaris_protocol_pp02d_c_public_evidence_20260504.zip) | +Colab 連結： + +| Package | Colab | +| --- | --- | +| PP01 | [Open Colab](https://colab.research.google.com/github/onestardao/WFGY/blob/main/Polaris/experiments/downloads/PP01.ipynb) | +| PP02A | [Open Colab](https://colab.research.google.com/github/onestardao/WFGY/blob/main/Polaris/experiments/downloads/PP02A.ipynb) | +| PP02B | [Open Colab](https://colab.research.google.com/github/onestardao/WFGY/blob/main/Polaris/experiments/downloads/PP02B.ipynb) | +| PP02C | [Open Colab](https://colab.research.google.com/github/onestardao/WFGY/blob/main/Polaris/experiments/downloads/PP02C.ipynb) | +| PP02D_A | [Open Colab](https://colab.research.google.com/github/onestardao/WFGY/blob/main/Polaris/experiments/downloads/PP02D.ipynb) | +| PP02D_B | [Open Colab](https://colab.research.google.com/github/onestardao/WFGY/blob/main/Polaris/experiments/downloads/PP02D_B.ipynb) | +| PP02D_C | [Open Colab](https://colab.research.google.com/github/onestardao/WFGY/blob/main/Polaris/experiments/downloads/PP02D_C.ipynb) | + 目前 downloads 資料夾中可能保留部分早期過程檔案。 -第一次閱讀請以上面七個正式公開證據包為準。 +第一次閱讀請以上面七個正式公開證據包與七個推薦 Colab notebooks 為準。
展開：工程師建議檢查順序 | 順序 | 建議檢查 | 為什麼重要 | | --- | --- | --- | -| 1 | 模型原始回答 | 確認這次 run 真的產生了模型回應 | -| 2 | 整理後輸出 | 檢查輸出如何轉成結構化紀錄 | -| 3 | 每題或每個 fixture 的判定 | 檢查每個 case 如何對應到結果 | -| 4 | 分組或階段判定 | 檢查更高層級的結果模式 | -| 5 | token 成本紀錄 | 檢查成本與 token efficiency behavior | -| 6 | 審核紀錄 | 檢查 leakage、warning、hard veto 或 source quality checks | -| 7 | SHA256 紀錄 | 檢查檔案完整性 | +| 1 | 先讀這份 README | 先理解 scope 與 claim boundary | +| 2 | 打開 Colab notebook | 檢查或重跑 companion workflow | +| 3 | 模型原始回答 | 確認這次 run 真的產生了模型回應 | +| 4 | 整理後輸出 | 檢查輸出如何轉成結構化紀錄 | +| 5 | 每題或每個 fixture 的判定 | 檢查每個 case 如何對應到結果 | +| 6 | 分組或階段判定 | 檢查更高層級的結果模式 | +| 7 | token 成本紀錄 | 檢查成本與 token efficiency behavior | +| 8 | 審核紀錄 | 檢查 leakage、warning、hard veto 或 source quality checks | +| 9 | SHA256 紀錄 | 檢查檔案完整性 |
@@ -883,10 +1017,11 @@ SHA256 可以理解成檔案指紋。 | 可以說 | 說明 | | --- | --- | -| Polaris 在公開任務範圍內顯示出降低 token 成本的訊號 | 尤其是 PP01 主成本實驗與 PP02D_C 公開 QA pilot | +| Polaris Protocol 在公開任務範圍內顯示出降低 token 成本的訊號 | 尤其是 PP01 主成本實驗與 PP02D_C 公開 QA pilot | | 結構化任務表示有機會保留可檢查輸出品質 | 不是只看答案好不好看，也看證據鏈 | | 公開包覆蓋不同風險面 | 成本、版本演化、偏數學、程式修復、API 穩定性、hardcase gates 與公開 QA | | ZIP 可供研究者與懷疑者往回檢查 | 包含原始輸出、判定、成本、審核與檔案指紋 | +| Colab notebooks 讓檢查與 rerun 更容易 | 它們是 evidence packages 的 companion notebooks | 這批資料目前不能說： @@ -894,10 +1029,11 @@ SHA256 可以理解成檔案指紋。 | --- | --- | | 所有 AI 任務都已經解決 | 目前只覆蓋指定公開任務範圍 | | 小模型全面打敗大模型 | 目前證明的是指定任務中的結構化效果 | -| GPU scaling 已經不重要 | GPU 仍然重要，Polaris 是任務結構端的成本路線 | +| GPU scaling 已經不重要 | GPU 仍然重要，Polaris Protocol 是任務結構端的成本路線 | | 這是第三方官方 benchmark | 這是自建公開實驗證據鏈 | | ZIP 已包含完整核心數學 | 目前公開的是證據包，不是完整核心 | -| 目前已提供完整 Colab 重現流程 | 完整重現材料會在正式開源發布後補上 | +| MVP Colab notebooks 是第三方認證 | 它們是公開 companion notebooks，不是外部驗證 | +| rerun 保證完全相同 | API 行為、模型版本、定價、設定與輸出長度都可能變動 | 一句話收斂： @@ -909,7 +1045,7 @@ SHA256 可以理解成檔案指紋。 ## 建議短描述 ✍️ -WFGY 5.0 Polaris Protocol 的公開證據層，包含模型原始輸出、整理後輸出、判定表、token 成本紀錄、審核紀錄、SHA256 檔案指紋、原始 PP01–PP02C 證據層，以及社群建議後補上的 PP02D_A–PP02D_C 補充證據層。 +WFGY 5.0 Polaris Protocol 的公開證據層，包含模型原始輸出、整理後輸出、判定表、token 成本紀錄、審核紀錄、SHA256 檔案指紋、MVP Colab companion notebooks、原始 PP01–PP02C 證據層，以及社群建議後補上的 PP02D_A–PP02D_C 補充證據層。 --- @@ -919,9 +1055,10 @@ WFGY 5.0 Polaris Protocol 的公開證據層，包含模型原始輸出、整理 | --- | --- | | 專案 | WFGY 5.0 Polaris Protocol | | 資料夾角色 | 公開實驗證據層 | -| 發布類型 | 第一層公開證據 | +| 發布類型 | 第一層公開證據 + MVP Colab companion notebooks | | 公開分支 | PP01、PP02A、PP02B、PP02C、PP02D_A、PP02D_B、PP02D_C | | 主要證據包 | 7 | +| 推薦 Colab notebooks | 7 | | 原始 PP01–PP02C 測試案例 | 680 | | 原始 PP01–PP02C 模型輸出 | 3600 | | 追加 PP02D_A fixtures | 216 | @@ -934,9 +1071,9 @@ WFGY 5.0 Polaris Protocol 的公開證據層，包含模型原始輸出、整理 | 審核檔 | 已包含 | | token 成本紀錄 | 有資料處已包含 | | SHA256 紀錄 | 已包含 | -| 執行 notebook | 未包含 | +| Colab notebooks | 7 個推薦 MVP companion notebooks | | 核心數學 | 第一層公開證據尚未包含 | -| 完整實作發布 | 預計在正式開源發布開始後提供 | +| 完整 formal reproduction suite | 仍在擴展 | | 授權 | 除非特定檔案另有說明，否則採用 MIT License | | Repository | https://github.com/onestardao/WFGY | @@ -948,8 +1085,8 @@ WFGY 5.0 Polaris Protocol 的公開證據層，包含模型原始輸出、整理 目前 packages 展示的是實驗軌跡： -測試設計、模型原始輸出、解析、評分、token 成本、審核、結果判定與檔案完整性紀錄。 +測試設計、模型原始輸出、解析、評分、token 成本、審核、結果判定、檔案完整性紀錄，以及 MVP Colab companion notebooks。 PP02D 補充包加入了社群建議後補上的壓力檢查，同時維持相同的公開證據邊界。 -完整數學邏輯與重現材料，預計會在正式開源發布開始後跟上。 +完整數學邏輯、更深層實作細節與更完整的 formal reproduction materials，預計會逐步擴展。