خطای بیندامنهای مهار شده
raw/unknown دیگر اجازه ندارد از fuzzy بستهبندی facet بسازد. `سپر ≠ اسپریدار` و `نخود ≠ نخودی` آزمون محافظتیاند.
CHAPTER 15 · AUTOMOTIVE SEMANTICS
فهم عبارت خودرو، نه انطباق واژه با نزدیکترین جدول
این فصل پاسخ فنی و عملیاتی به بازخورد کارشناسی دربارهٔ «سپر جلوی مشکی ال نود» است. هدف، تبدیل حدس واژگانی به تفکیک قابل توضیح، قابل بازبینی و قابل حسابرسی است.
T‑18 · DEPLOYED PILOT؛ پذیرش بازPILOT · حفاظت نخود/نخودی و دامنه قطعیT‑19 · DEPLOYED PILOT؛ پذیرش batch بازنامزد 6074 نیازمند تأیید GS1
واقعیت امروز: علت ریشهای رفع شده؛ پذیرش سازمانی هنوز باز است
baseline قدیمی عبارت نمونه را raw میدید، «مشکی» را رنگ بستهبندی مینامید و با fuzzy نامحدود میتوانست «سپر» را به «اسپریدار» نزدیک کند. پایلوت جدید قبل از استخراج، حوزه را تشخیص میدهد و exact typed lookup را فقط داخل همان domain/facet اجرا میکند. این پیادهسازی قابل آزمون است، اما بدون gold set واقعی و رأی کارشناسان GS1 هنوز «پذیرفتهشده» یا «canonical» نیست.
رنگ قطعه ≠ رنگ بستهبندی
«مشکی» در مسیر خودرو با نام facet «رنگ» و provenance خودرویی صادر میشود؛ همان surface در متن بستهبندی مفهوم دیگری دارد.
پذیرش هنوز لازم است
صف سروری LIVE است و extractor خودرو و semantic summary دستهای بهصورت PILOT مستقر شدهاند. دقت عمومی، پوشش مدلها، mapping 6074 و پذیرش summary روی batch نماینده هنوز گیت کارشناسی دارند.
به زبان ساده
اگر انسانی بگوید «سپر جلوی مشکی ال نود»، ابتدا میفهمیم دربارهٔ قطعهٔ خودرو حرف میزند؛ سپس میپرسیم کدام قطعه، کجای خودرو، چه رنگی و برای چه مدل. سامانه باید همین ترتیب را با شواهد و امکان گفتن «نمیدانم» اجرا کند، نه صرفاً نزدیکترین واژهٔ موجود در جدول دیگری را انتخاب کند.
رسید زندهٔ انتشار 14050602-214203
RELEASE_OK
نسخهٔ مستقر
منبع d93bdda در ۱۴۰۵/۰۶/۰۲ از مسیر staged و backup-first منتشر شد و completion marker برابر RELEASE_OK=14050602-214203 ثبت شد. گیتهای سلامت عمومی/مبدأ و ایمنی همسایهٔ legacy عبور کردند؛ این رسید هیچ secret یا topology خصوصی منتشر نمیکند.
| آزمون زنده | نتیجهٔ دقیق | حکم حاکمیتی |
|---|---|---|
| «سپر جلو مشکی ال نود» | mode=automotive؛ نام پایه=سپر؛ محل قرارگیری=جلو؛ رنگ=مشکی؛ نام و مدل خودرو=ال نود؛ leftover=[] | needs_review:true؛ 6074=candidate_pending_expert |
| «مشکی، ال۹۰ / جلو / سپر» | همان چهار facet دقیق، mode=automotive و leftover=[] | ترتیب درهم مدیریت شد؛ پوشش عمومی قطعات ادعا نمیشود |
| «نخود» | mode=raw؛ نام پایه=نخود؛ needs_review:false | به رنگ نخودی تبدیل نشد |
| «رنگ نخوذی» | mode=raw؛ رنگ=نخودی؛ needs_review:false | alias املایی فقط در context صریح رنگ پذیرفته شد |
| Assist v2 | ok=true؛ ai_mode=deterministic_only | canonical_auto_promotion=false |
| Batch پایدار | run run-001m0th4cf05j1 کامل؛ ۴ رکورد و یک مورد از هر mode خودرو، گوشت، بستهبندی و raw؛ ال نود=۱/۲۵٪ | همان مسیر standardize، بدون re-execution؛ پذیرش ۵۰۰ ردیفی باز است |
گارد هزینه واقعاً نصب است
سقف تجمعی ۴۰۰ درخواست provider در runtime زنده نصب شده است؛ AI و RAG هر دو false و مسیر تصمیم deterministic_only باقی ماندهاند.
رسید انتشار ≠ پذیرش دامنه
این شاهد ثابت میکند کد محدود T‑18/T‑19 مستقر و قابل تکرار است. تأیید 6074، aliasهای مدل، gold set واقعی و معیار کیفیت عمومی همچنان تصمیم GS1 ایران است.
دادههای پیوست چگونه به قرارداد قابل ردیابی تبدیل شدند؟
فایلها بهعنوان «دادهٔ مرجع ورودی» خوانده شدند، نه دستور اجرایی. هر مقدار استخراجشده باید نام منبع، sheet/row، checksum و وضعیت تصویب داشته باشد تا در بازتولید بعدی بتوان فهمید چرا یک پاسخ ساخته شده است.
| منبع | شاهد بازیابیشده | کاربرد پایلوت | مرز ادعا |
|---|---|---|---|
| ساختار ایرانکد/شناسه · ۳۰٬۸۳۳ رکورد | ردیف ۲۴٬۷۶۱: شناسه 6074، نام پایه «سپر»، ساختار «قطعات وسایل نقلیه» | رتبهبندی نامزد ساختاری پس از تشخیص domain خودرو | رکورد در snapshot «فعال» ولی «منتشرشده: خیر» است؛ canonical شدن نیازمند رأی GS1 است |
| جدول نام پایه · ۱۴٬۹۰۴ رکورد | ردیف ۲: «نخود (حبوبات)» با نام پایهٔ دقیق «نخود» | قفل exact base-name پیش از هر fuzzy rescue | نوع و ساختار نهایی تابع منبع رسمی و scope درخواست است |
| بانک مفاهیم بستهبندی · ۱۰ sheet | «مشکی/black/سیاه» در ردیف ۳۱ و «نخودی/buff/beige» در ردیف ۶۲ | واژگان رنگ versioned؛ نام facet را domain تعیین میکند | جدول رنگ بستهبندی بهتنهایی مجوز نامگذاری «رنگ قطعه» نیست؛ reuse با provenance ثبت میشود |
| رشتههای استانداردنشده · حدود ۳۰٬۶۷۹ ردیف | نمونههای فراوان «اسپری…» و رشتههای درهم/ترکیبی | ساخت adversarial guard برای جلوگیری از شباهت «سپر/اسپری» | دادهٔ خام بدون داوری، gold label یا حقیقت canonical نیست |
| PDF تفکیک مفاهیم | تفکیک ماهیت، جنس، لایه، تعداد و طرح؛ و جداسازی معانی متفاوت «شکل» | تأیید معماری decomposition معنایی بهجای substring matching | مثال آموزشی است؛ schema نهایی هر حوزه باید توسط GS1 تصویب شود |
| فهرست مدلهای باما ↗ | نمایش «رنو تندر 90» در خانوادهٔ Renault | منبع discovery برای aliasهای «ال نود/L90/تندر 90» | مرجع تجاری بیرونی است، نه ontology رسمی GS1؛ alias باید توسط GS1 ایران تصویب شود |
فرق «نخود» و «نخودی» چطور فهمیده میشود؟
سامانه اول exact match نام پایه را قفل میکند. بنابراین «نخود» بهعنوان کالا حفظ میشود. «نخودی» فقط وقتی رنگ است که surface کامل آن در جدول رنگ و context مناسب باشد. شباهت واژگانی بالا بهتنهایی اجازهٔ تبدیل یکی به دیگری را نمیدهد.
طراحی پایلوت: قواعد اول، بازیابی نوعدار، بازبینی انسانی آخر
۱. تشخیص دامنهقطعه + موقعیت/مدل؛ در غیر این صورت abstain
←
۲. استخراج spanسپر، جلو، مشکی، ال نود—even با ترتیب درهم
←
۳. exact typed lookupdomain + facet + value؛ نخود/نخودی جدا
←
۴. نامزد ساختار6074 فقط candidate_pending_expert
←
۵. validation و auditspan، schema، review؛ بدون promotion خودکار
مسیر P0: fail-closed
در حالت raw/unknown، fuzzy بستهبندی facet نمیسازد. fuzzy فقط با domain و facet یکسان مجاز است؛ exact base-name و جهشهای صرفی محافظت میشوند.
ontology نسخهدار خودرو
واژگان قطعه، محل نصب، رنگ و alias مدل همراه با منبع و وضعیت ذخیره میشوند. «ال نود/L90/تندر 90» alias پایلوتِ دارای provenance است؛ تأیید رسمی دامنه همچنان با GS1 است.
CANDIDATE ONLY
شناسهٔ 6074
عنوان «سپر قطعات وسایل نقلیه» با شناسهٔ 6074 یک نامزد بازیابیشده است، نه کد canonical. تا تأیید مکتوب GS1 ایران، `needs_review:true` حفظ میشود و هیچ ثبت خودکار انجام نمیگیرد.
خروجی سالم برای مثال کارشناسی چگونه است؟
| بخش متن | معنا | خروجی پیشنهادی | وضعیت |
|---|---|---|---|
| سپر | نام پایهٔ قطعه | نام پایه: سپر | PILOT · exact span |
| جلو/جلوی | محل قرارگیری | محل قرارگیری: جلو | PILOT · deterministic alias |
| مشکی | رنگ قطعه | رنگ: مشکی / black | PILOT · هرگز «رنگ بستهبندی» نیست |
| ال نود | نام و مدل خودرو | نام و مدل خودرو: ال نود | PILOT · alias با provenance؛ پذیرش رسمی باز |
| سپر قطعات وسایل نقلیه | ساختار پیشنهادی | 6074 | candidate_pending_expert |
چه چیزی نباید رخ دهد؟
سامانه نباید برای کاملکردن خروجی، نام سازنده یا سازگاری تجاری را از روی حدس اضافه کند. همچنین نباید یک پیشنهاد مدل یا cluster فایل را به دانش رسمی تبدیل کند. ابهام سالم، شفاف و قابل ارجاع است.
فایل تجمیعی: دو لایهٔ لازم
پردازش مستقل هر ردیف برای پایداری لازم است؛ ولی برای پایش کافی نیست. T‑19 اکنون دو لایه را در تولید بهصورت PILOT کنار هم قرار میدهد؛ پذیرش سازمانی آن روی فایل نماینده همچنان باز است.
لایهٔ ردیف
هر ردیف باید دقیقاً همان pipeline و نتیجهٔ تکرکوردی را بگیرد: domain، facetها، leftover، reason و review status. نتیجهٔ تکرکورد و batch باید برابر باشند.
لایهٔ run
پس از تکمیل پایدار صف، یک `semantic_summary` فقطخواندنی clusterهای نام پایه/مدل، پوشش facetها، گروههای unresolved و شمار تشخیصهای بیندامنهای ردشده را گزارش میکند.
سناریوی پایش
اگر ۵۰۰۰ ردیف سپر داشته باشیم و ۴۰۰ ردیف بدون مدل خودرو بمانند، وظیفهٔ dashboard ساختن مدل یا حدسزدن نیست. باید این ۴۰۰ ردیف را به یک cluster قابل تحویل به کارشناس تبدیل کند: تعداد، نمونهها، واژههای باقیمانده و اثر بر KPI.
چرا «تاریخچه» روی دستگاه دیگر دیده نمیشد؟
حافظهٔ محلی مرورگر
نتیجههای تکرکورد مستقیم برای راحتی کاربر در localStorage همان مرورگر، با نگهداری محدود، میمانند. این لایه بین دستگاهها sync نمیشود و آموزش مدل یا حافظهٔ سازمانی نیست.
تاریخچهٔ پایدار اجرا
runهای Ops API و رکوردهایشان روی سرور نگهداری میشوند. پس از ورود با هویت مجاز، داشبورد آنها را از `/v1/ops/history` و `/v1/ops/runs/:id/records` میخواند.
حافظهٔ کارشناسی
فقط تصمیمهای تأییدشده همراه با هویت، دلیل و audit میتوانند candidate شوند؛ ورود به canonical memory گیت جداگانهٔ داوری و انتشار دارد.
سه چیز با هم فرق دارند
«چیزی که دیروز در مرورگر دیدم»، «اجرایی که سرور نگه داشته» و «دانشی که سازمان تصویب کرده» یکسان نیستند. رابط عملیات اکنون این سه لایه را صریح نامگذاری میکند تا نبودن cache روی دستگاه دوم با فراموشکردن دانش اشتباه نشود.
شاخصها و گیت پذیرش
| شاخص | معنای عملیاتی | مالک | گیت |
|---|---|---|---|
| false positive بیندامنهای | تعداد انتخابهای packaging برای عبارتهای حفاظتشدهٔ خودرو | استانداردسازی + QA | صفر روی مجموعهٔ پذیرش |
| دقت دامنه و F1 facet | درستی automotive و چهار facet، با source-span | کارشناسان داور | پس از gold set واقعی، با cohort و CI |
| Top‑1 / Recall@k نام پایه | آیا ساختار درست در نامزدها و رتبهٔ درست است؟ | کمیته واژگان | فقط با ساختارهای تأییدشده |
| single/batch parity | برابری خروجی هر row با اجرای تکی | IT + QA | 100٪ برای configuration یکسان |
| coverage و unresolved | پوشش هر facet و حجم گروههای نیازمند داوری | پایش داده | گزارش هر run، بدون پنهانسازی |
اقدامات لازم از سوی استانداردسازی و پایش GS1 ایران
ontology را تصویب کند
نام قطعه، محل نصب، رنگ قطعه، دامنهٔ مقادیر و معیار تفاوت هر محور را نسخهدار و مالکدار کند.
aliasهای مدل را تحویل دهد
برای «ال نود/L90» و موارد بعدی، alias، تاریخ اثر، وضعیت و منبع رسمی بدهد؛ سامانه جای مرجع خودرو تصمیم نمیگیرد.
دادهٔ واقعی و خطا را نمونهبرداری کند
حداقل ۵۰ عبارت de-identified برای baseline و ۵۰۰ ردیف نماینده برای پذیرش تهیه و cohort را ثبت کند.
دوبرچسبگذاری و حل اختلاف
دو کارشناس مستقل domain، span، facet، mapping و unresolved را داوری کنند؛ اختلافها با تصمیم ثبتشده حل شوند.
- تأیید یا رد 6074بدون این تصمیم، خروجی تنها نامزد نیازمند بررسی است.
- تأیید واژگان و aliasهای اولیههر واژه و alias باید owner، version و scope داشته باشد.
- پذیرش T‑18 روی gold set واقعیاول ایمنی بیندامنهای، بعد کیفیت extraction؛ synthetic جای آن نیست.
- پذیرش T‑19 روی batch نمایندهparity، coverage، cluster و گزارش unresolved بررسی شود.
- تصمیم مستقل AI/RAGفقط بعد از policy داده، corpus مجاز، هویت، ارزیابی و release جداگانه؛ نه بهعنوان شرط دورزدن T‑18.
مرز ادعا و تأیید انسانی
HUMAN APPROVAL BOUNDARY
چه چیزی تأیید شده است؟
خروجی چهار facet برای عبارت دقیق کارشناسی، human-approved و در runtime زنده بازتولید شده است؛ نمونههای خصمانهٔ تکمیلی همچنان synthetic هستند. این تأیید محدودِ expected output و تأیید deployment هرگز جای پذیرش عمومی domain، gold label داوریشده یا mapping رسمی 6074 را نمیگیرد.