DUZELTME_KAYDI.md

Düzeltme kaydı — tur 1 denetiminden sonra ne değişti

Bu dosya, birinci tur denetiminden sonra yapılan değişikliklerin tam listesidir. Denetçinin "düzeltildi mi, kozmetik mi" sorusunu doğrulayabilmesi için her madde hangi dosyada ve hangi fonksiyonda karşılığı olduğunu söyler.

A. Denetim bulgularına yanıt (7 madde, hepsi kabul edildi)

denetim	ne yapıldı	nerede
§1, §2 düşük-FPR	"TPR@%1FPR manşet metrik" geri çekildi; her koşul için saldırılı-negatif GERÇEK FPR koddan üretiliyor	metrics.audit_corrections() → D2
§3 tohum bağımsızlığı	tohum dejenerasyonu koddan sayılıyor; etkin n ilan ediliyor	metrics.audit_corrections() → D1
§4 saldırı geçerliliği	"saldırgan hem siliyor hem düzeltiyor" geri çekildi; ham metinler pakete eklendi	TESLIMAT.md §0, ham_metin/
§6 sıralama	sıralama değişimi iddia edilmiyor, sayılıyor; maksimum sapma koddan	metrics.corpus_integrity()
§7 yargıç birimi	p-değerleri çift düzeyine indirildi	metrics._phase3_sections()
§8 tehdit sıralaması	eşlenmiş McNemar üretiliyor; "en yıkıcı" manşeti geri çekildi	metrics.audit_corrections() → D3
§9 ≥7B	hüküm daraltıldı	metrics.corpus_integrity(), TESLIMAT.md §4.6
§10 tokenizer	TR/EN cezası ve nedensellik iddiası geri çekildi	metrics._phase3_sections()
§11 tekrarlanabilirlik	kod, promptlar, ham metinler, satır bayrakları, manifest eklendi	bu paket
§12 çoklu karşılaştırma	pilot keşifsel ilan edildi	TESLIMAT.md §4.8

B. Öz-inceleme: denetim yanıtı kodunda bulunan 4 hata

Denetim §11 "kod hiç bağımsız gözden geçirilmedi" diyordu. Kod incelemesi yapıldı ve denetime yanıt olarak yazılan kodda dört hata bulundu:

1. Usage.cost() bilinmeyen modelde sessizce 0.0 dönüyordu (kod/dev_llm_judge_api.py). PRICES tablosunda olmayan bir modelle koşulunca "ÖLÇÜLEN MALİYET $0,00" raporlanıyordu — canlı doğrulandı (1M+1M token → $0.00). Artık None döner ve "HESAPLANAMADI" basılır; JSON'a price_table_hit bayrağı yazılır. Bu oturumdaki bütün maliyet rakamları doğrudur (hep claude-opus-5 kullanıldı), ama koruma yoktu.

2. Yargıç çift aritmetiği ESIT hükümlerini "filigranlı kazandı" sayıyordu (kod/metrics.py, _phase3_sections). İki sırada da "eşit" denen çiftler dec'te kalıp filigranli sütununa yazılıyordu. Bu koşuda esit=0 olduğu için tetiklenmedi, ama şema ESIT'e izin veriyor. Artık berabere çiftler testten çıkarılıyor; berabere sütunu ve muhasebe_tutarli denetimi var.

3. D1 tohum sayımı tek satırlı hücreyi "özdeş" sayıyordu (kod/metrics.py, audit_corrections). nunique()==1 tek elemanlı grupta daima doğrudur; kısmi üretim (kesilen resume, red alıp atlanan satır, --attacks alt kümesi) sayacı şişirip uydurma bir KRİTİK bulgu üretebilirdi. len(sub) < 2 artık atlanıyor.

4. Üretilen rapor metnine gömülü beş sabit sayı (kod/metrics.py). Denetimin yakaladığı 0,019 bayatlamasının aynı sınıfı: tablo veriden gelirken açıklama cümlesi sabitti. Hepsi f-string ile hesaplanıyor ya da ilgili tabloya devrediliyor.

Kök neden (3 ve 4 ortak): ölçülen şeyi anlatırken sayıyı elle yazmak. Denetim bunu bir kez yakaladı; düzeltme yazılırken beş kez tekrarlandı.

C. Değişmeyenler

Ham veri (veri/scores.csv, ham_metin/) değişmedi — hiçbir deney yeniden koşulmadı. Değişen yalnız analiz kodu ve rapor metnidir. Nokta metrikler (AUROC/TPR) aynıdır; yargıç p-değerleri düzeltilmiş birimle yeniden hesaplandı (0,0003 → 0,0129 ve 0,0001 → 0,0034; yön korunuyor).