v0.10.0: análise/prova/teste das críticas de engenharia Qwen3.8 lote 3 (r-35) — divisão SRP dos monólitos jepa/pensamento/moe/python em 26 submódulos (API estável via re-exports; 'Amdahl de compilação' refutada por experimento controlado, builds frios neutros), checkpoints atômicos SHA-256 puro FIPS 180-4 + fsync + rename + manifesto (CP-1..CP-3; correções da proposta: sem destruir estado anterior, manifesto com barreira, sem bincode/unwrap), TemperaturaInversa T-V3 (fronteira tipada da convexidade N-2; alegação compile-time corrigida), trait CamadaKhtst+CamadaHomeostatica (premissa do controlador refutada no fonte; Vec<Var>; adaptador MoeComPapel bit-a-bit), CLI Typer 75 (fachada aditiva com resume verificado por hash) — 123/123 cargo, 107/107 gates, treino real Wikipédia PT-BR com checkpoints íntegros
06e4b6f verified | //! `python::nlp_nlg` — extraído do monólito na v0.10.0 | |
| //! (divisão SRP, crítica Qwen3.8 lote 3 nº 1; r-35 §2). | |
| use super::*; | |
| /// Demo/gate das unidades NLP/NLG sobre estados ocultos sintéticos | |
| /// (nascimento neutro + gates + coerência de bigramas + especulativo). | |
| pub(crate) fn demo_nlp_nlg(py: Python, d: usize, t: usize, seed: u64) -> PyResult<PyObject> { | |
| let dev = candle_core::Device::Cpu; | |
| let mut rng = rng::RngDeterministico::novo(seed); | |
| let v: Vec<f32> = (0..2 * t * d).map(|_| rng.normal_padrao() as f32).collect(); | |
| let h = candle_core::Tensor::from_vec(v, (2, t, d), &dev).map_err(py_err)?; | |
| // NLP: enriquecimento aditivo — neutro no nascimento | |
| let mut nlp = nlp::UnidadeNlp::nova(d, &dev).map_err(|e| { | |
| pyo3::exceptions::PyRuntimeError::new_err(format!("nlp (d%4): {e}")) | |
| })?; | |
| let h_enr = nlp.enriquecer(&h).map_err(py_err)?; | |
| let dif_nlp = (&h).sub(&h_enr).map_err(py_err)?.abs().map_err(py_err)?.max_all().map_err(py_err)?.to_scalar::<f32>().map_err(py_err)? as f64; | |
| // intenção | |
| let (intencoes, confs) = nlp.intencao_argmax(&h).map_err(py_err)?; | |
| // NLG: plano + condicionamento neutro + coerência | |
| let mut nlg = nlg::UnidadeNlg::nova(d, 4096, &dev).map_err(py_err)?; | |
| let plano = nlg.plano(&h).map_err(py_err)?; | |
| let p8 = candle_core::Tensor::randn(0f32, 1f32, (nlg::N_EIXOS_ESTILO,), &dev).map_err(py_err)?; | |
| let p01 = candle_nn::ops::sigmoid(&p8).map_err(py_err)?; | |
| let h_cond = nlg.condicionar(&h, Some(&p01)).map_err(py_err)?; | |
| let dif_nlg = (&h).sub(&h_cond).map_err(py_err)?.abs().map_err(py_err)?.max_all().map_err(py_err)?.to_scalar::<f32>().map_err(py_err)? as f64; | |
| // coerência: contexto observado vs candidato novo | |
| let ctx = vec![5u32, 6, 7, 8, 9]; | |
| nlg.observar_contexto(&ctx); | |
| let s_mesmo = nlg.score_coerencia(&ctx); | |
| let s_novo = nlg.score_coerencia(&[50u32, 51, 52, 53]); | |
| // especulativo: aceitação típica + stats | |
| let mut espec = nlg::DecodificadorEspeculativo::novo(4, 0.95, 10); | |
| let logits = candle_core::Tensor::from_vec(vec![3.0f32, 0.2, 0.1, 0.05], (4,), &dev) | |
| .map_err(py_err)?; | |
| let mut aceites = 0usize; | |
| for _ in 0..30 { | |
| let (_, ok) = espec.verificar_e_corrigir(&logits, &[0, 1]).map_err(py_err)?; | |
| if ok { | |
| aceites += 1; | |
| } | |
| } | |
| let d_ = serde_json::json!({ | |
| "versao": "nlp-nlg-0.7.0", | |
| "nlp_gate_medio": nlp.gate_medio, | |
| "nlp_dif_nascimento": dif_nlp, | |
| "nlp_intencoes": intencoes, | |
| "nlp_confiancas": confs, | |
| "nlg_plano_forma": plano.dims(), | |
| "nlg_dif_nascimento": dif_nlg, | |
| "nlg_coerencia_mesmo": s_mesmo, | |
| "nlg_coerencia_novo": s_novo, | |
| "espec_aceitacao_media": espec.stats.aceitacao_media, | |
| "espec_speedup": espec.stats.speedup_estimado, | |
| "espec_aceites_30": aceites, | |
| "gates": { | |
| "nlp_neutro": dif_nlp == 0.0, | |
| "nlg_neutro": dif_nlg == 0.0, | |
| "gate_medio_ok": (nlp.gate_medio - 0.119).abs() < 0.05, | |
| "coerencia_ok": s_mesmo > 0.9 && s_novo < 0.1, | |
| "espec_ok": espec.stats.aceitacao_media > 0.8, | |
| }, | |
| }); | |
| Ok(pythonize::pythonize(py, &d_)?.into()) | |
| } | |