diff --git a/CLAUDE.md b/CLAUDE.md index 69a6b75..9bac488 100644 --- a/CLAUDE.md +++ b/CLAUDE.md @@ -412,8 +412,9 @@ anyone who can read this repo can forge a token for any user.** ورودِ کتاب هم با همین مدل است (`OPENAI_VISION_MODEL`). - **«/» در دبستان** هم ممیز است هم کسر. جمله‌ی «در کتاب / ممیز است، نه کسر» فقط به دبیرستان می‌رود و قاعده‌ی تشخیص کنارِ سوالِ دبستانی می‌آید. سه مسئله از ۱۷ هنوز غلط است. -- **مانده (سبک):** پاسخِ دبستانی کسر را هنوز با «/» می‌نویسد (۵/۶)، در حالی که پرامپت برای - دبستان «۵ بر ۶» می‌خواهد؛ در نمادِ کتاب «۵/۶» یعنی ۵٫۶. +- **مانده:** پاسخِ دبستانی کسر را گاهی با «/» می‌نویسد (۵/۶)، که در نمادِ کتاب یعنی ۵٫۶. + یک خطِ پرامپت برای «بر» (v6) آزموده شد و درستی را کمی پایین آورد، پس **منتشر نشد** + (سرور روی v5 ماند). شرح در `docs/architecture.md`؛ راهِ بعدی احتمالاً در فرانت است. - داورِ خودکارِ `rag_model_benchmark` (gpt-4.1) حدودِ ۷٪ اشتباه می‌کند؛ نتیجه‌ی هر سنجش را پیش از تصمیم دستی وارسی کنید. diff --git a/docs/architecture.md b/docs/architecture.md index 38140f5..d90ec29 100644 --- a/docs/architecture.md +++ b/docs/architecture.md @@ -161,7 +161,15 @@ temperature و با `OPENAI_CHAT_REASONING_EFFORT` صدا زده می‌شوند برای دبیرستان نوشته شده بود به همه می‌رفت، و 4.1-mini با آن ۱/۷ + ۱/۸ را ۳/۵ حساب می‌کرد. حالا برای دبستان آن جمله عوض شده و قاعده‌ی تشخیص (صفر پیش از «/» یا واحد = ممیز؛ کلمه‌ی «کسر» یا بی‌نشانه = کسر) کنارِ خودِ سوال می‌آید. همین قاعده در انتهای پرامپتِ سیستم اثری -نداشت. نتیجه: مسئله‌های «/»ِ 4.1-mini از ۱۱ به ۱۴ از ۱۷. سه‌تا هنوز غلط است. +نداشت. نتیجه: مسئله‌های «/»ِ 4.1-mini از ۱۱ به ۱۴ از ۱۷. سه‌تا هنوز غلط است. در سه اجرای بعدیِ v5 +عدد بینِ ۱۱ و ۱۳ نوسان کرد، پس اثرِ واقعی کمتر از یک اجراست. + +**کسر در جوابِ دبستان هنوز گاهی «۵/۶» نوشته می‌شود، نه «۵ بر ۶»** (در ۳ تا ۵ از ۷ جوابِ کسری +«بر» آمد). کد نمی‌تواند a/b را تبدیل کند، چون ممکن است ممیز باشد. آزمایشِ v6 (۲۰۲۶-۰۹-۲۶) یک +خطِ «کسر را در پاسخ با بر بنویس» را کنارِ قاعده‌ی خواندن گذاشت: نمادگذاری کمی بهتر شد (۴–۵ از +۷) ولی درستی کمی بدتر (مسئله‌های «/» ۱۰–۱۱ در برابرِ ۱۱–۱۳؛ ۱/۷ + ۱/۸ در هر سه اجرا ۳/۵ شد، +با v5 در هر سه درست). جوابِ غلط از نمادِ نادرست بدتر است، پس v6 منتشر نشد. راهِ بعدی احتمالاً +در فرانت است (دکمه‌ی کسر در ورودی، یا نمایشِ کسرِ دوطبقه)، نه در پرامپت. **تمام شدنِ اعتبار دیده می‌شود.** هر گذارِ provider بینِ `ok` و `quota_exhausted` یک ردیف در `statuslog` است (`ai_tutor/provider_status.py`) و