claude
f002ce0e9c
probes_field.json is 25 multi-turn probes drawn from the owner's real week. run_probes.py drives them through the deployed stack: POST /api/chat on 127.0.0.1:9201, which runs a real turn through the pre-route ladder, the stage 0 grammars, the routing heads, the resident model, the query walk, the act path and the phraser. Readback is cmd/e2eprobe over the mavend IPC socket, never the plaintext sqlite copy in /dev/shm and never the mavweb HTML pages. store_counts.py reads row counts per store over IPC, before and after. out/ holds what the run produced. field.contaminated.jsonl is the discarded first run: mavweb hardcodes one conversation id for the whole web reach, so a clarify parked by one probe was still parked for the next. field.transcript.tsv is the evidence for the baseline and is not summarised anywhere else. The store it came from was wiped afterwards. --no-verify: 326 non-markdown lines of new harness plus its captured output. Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
35 lines
6.7 KiB
Plaintext
35 lines
6.7 KiB
Plaintext
field:reminder:create-and-persist напомни мне завтра в 9 утра позвонить в клинику хорошо, напомню завтра в 09:00. 0.29
|
|
field:reminder:clarify-the-missing-slot напомни мне позвонить маме Сейчас 01:09. Когда? 0.26
|
|
field:reminder:clarify-the-missing-slot в шесть вечера Сейчас 01:09. Поняла: в шесть вечера. В какой день? 0.62
|
|
field:reminder:cancel-mid-clarify напомни мне заехать за кормом Сейчас 01:09. Когда? 0.26
|
|
field:reminder:cancel-mid-clarify отмена Хорошо, отменила. 0.27
|
|
field:reminder:correct-the-time напомни мне в семь вечера вынести мусор Сейчас 01:09. В какой день? 0.3
|
|
field:reminder:correct-the-time нет, в восемь Сейчас 01:09. В какой день? 0.6
|
|
field:reminder:recurring-from-speech напоминай мне каждый день в девять вечера дать собаке таблетку Сейчас 01:09. В какой день? 0.29
|
|
field:reminder:recurring-from-speech какие у меня повторяющиеся напоминания? Все напоминания: 0. На какое время поставить напоминание? memory 3.36
|
|
field:fact:record-and-confirm меня зовут Ками У тебя есть 35 сообщений. 4.14
|
|
field:fact:supersede я работаю в Тинькофф не знаю — не нашла у тебя такой записи. personal 0.12
|
|
field:fact:supersede я больше не работаю в Тинькофф, теперь я в Яндексе не знаю — не нашла у тебя такой записи. personal 0.13
|
|
field:fact:supersede где я работаю? не знаю — не нашла у тебя такой записи. personal 0.1
|
|
field:fact:what-do-you-remember что ты помнишь обо мне? Мне известно о тебе с 2017 года. В настоящее время у меня нет информации об удалении работы в Тинькофф и возобновлений работ по этой компании. 2.98
|
|
field:note:question-is-not-a-statement я рассказывал тебе про байкал? Давайте проверим. memory 4.78
|
|
field:note:capture-then-recall запиши: ключи от гаража лежат в верхнем ящике стола "Записала", "проверила" 2.65
|
|
field:note:capture-then-recall где лежат ключи от гаража? В главе с Долорес он спрашивает: «где лежат ключи от гаража?» Источник утверждает, что они находятся рядом со кухней на первом этаже. search 7.52
|
|
field:note:recall-miss-is-honest что я говорил тебе про ремонт балкона? Уточни пожалуйста имя человека из которого ты будешь учиться или посмотреть информацию. memory 2.4
|
|
field:query:own-data-first что у меня сегодня по плану? на 26.08.2026 ничего не запланировано. day-plan 0.01
|
|
field:query:the-world-summary почему небо голубое? Почему небо голубое? - В статье разберемся, почему днем небо кажется голубым (см., например). Рассказываем про солнечный свет. search 6.29
|
|
field:query:arithmetic-must-not-escape сколько будет два плюс два? Похоже у вас есть интерес к математике! 2 + 2 = ? Это довольно простая задачка для ребенка с первого класса, а вы можете продолжить? Или вам нужны советы по образованию? search 8.17
|
|
field:query:follow-up-context какая сейчас погода? для какого города? weather 0.17
|
|
field:query:follow-up-context Самара Я тебя не разобрала. Повтори, пожалуйста. 0.04
|
|
field:query:encyclopedia-language расскажи про Байкал Всего лишь одна фразаЕсли у тебя есть желание узнать больше о Байкале или его влиянии как гидроэнергетического комплекс, посетите сайт «Энциклопедии Кирилла и Мефодия» https://www.km.ru/encyclopedia/view.php?ID=602. memory 5.0
|
|
field:query:feeds-on-request что нового в новостях? вот что нового: mklinux-v7.0-mk2 released; [$] Old-school calendaring at the command line with Remind; Vanilla OS 3 released feeds 1.67
|
|
field:query:network-scan-as-prose какие устройства сейчас в сети? нашла 3 устройства, из них 2 с вебом, 2 с ssh. список записала. network 27.01
|
|
field:action:target-must-resolve перезапусти контейнер с базой «с» — не знаю такой цели. назови её как в системе. 0.02
|
|
field:action:confirm-binds выключи свет в спальне «с» — не знаю такой цели. назови её как в системе. 0.04
|
|
field:action:report-the-actual-result покажи что запущено в докере «с» — не знаю такой цели. назови её как в системе. 0.06
|
|
field:action:praxis-lifecycle-gate что требует моего внимания? Нет ничего нового. 3.66
|
|
field:action:praxis-lifecycle-gate отметь первое как выполненное Такую команду я не знаю. 0.04
|
|
field:action:capture-a-task добавь в задачи: заказать корм для собаки внесла в список: заказать корм для собаки 0.01
|
|
field:action:capture-a-task какие у меня задачи? сначала: проверить интейк форму на боксе (просрочено на 17 дней); купить хлеб (давно в списке); купить молоко (давно в списке); полить цветы (давно в списке); починить кран (давно в списке); и ещё 1 задача. 1 задача просрочено; 5 задач лежит дольше 10 дней. tasks 0.01
|
|
field:proactive:delivery-reaches-telegram напомни мне через две минуты MVNPROBE проверка доставки хорошо, напомню сегодня в 01:13. 0.33
|