Jeden przyrząd, trzy silniki, audytowalny kręgosłup plikowy.
Opisujesz pomysł (opcjonalnie z danymi). Symulowana populacja odpowiada, a potem jest kalibrowana wobec rzeczywistości. Platforma zwraca kierunek, ranking i hipotezy do przetestowania - nigdy wymyślonych procentów. Każda liczba nosi szczebel dowodu: SIM-RANK · REAL · CALIBRATED.
Projektowanie scenariuszy, narrator na żywo, doradca i druga wyrocznia w zespole.
Symuluje skłonność populacji do reakcji - rozkład, nie średnią.
sklearn / lightgbm: F1 / AUC oraz kalibracja sim→real.
Cały system, od góry do dołu
Osiem etapów, od surowego pliku do dowodu
Dane referencyjne kotwiczą S4 (rama) i S6 (kalibracja). Artefakty są kontraktem - moduły czytają je defensywnie, więc zmiana kształtu to uczciwe „-”, nigdy awaria.
Szczebel jest zawsze jawny
Każdy zwrócony przebieg niesie tę etykietę. Koło zamachowe - rzeczywiste wyniki testów A/B zwracane przez użytkowników, a z czasem przez agentów - to ono wspina się po drabinie do kolejnego przebiegu.
Typowane wyjście epistemiczne - goła liczba nie może istnieć
{
"rank": 1, "variant": "…", "tier": "strong", "value": null,
"evidence": {
"rung": "SIM-RANK", "calibration": "NONE", "scope": "directional",
"ranking_stability": { "n": 277, "N": 300, "confidence": "HIGH" },
"scenario_robustness": "N/A", "backtest_rho": 1.0
},
"claim_allowed": ["ranking", "direction", "hypotheses"],
"claim_forbidden": ["absolute_percentage", "guarantee"]
}
Niezaufany wywołujący, bezpieczny z założenia: gdy ruszy, wyjście jest podpisane na manifest.hash; tekst wejściowy to dane, nie instrukcje; tożsamość + budżet na agenta; budynek opuszczają tylko zagregowane rankingi, nigdy pojedyncze persony. Model zewnętrzny otrzymuje wyłącznie agregaty.
Reguły, których platforma nie może złamać
Nowy przypadek to nowa konfiguracja JSON - zero logiki specyficznej dla przypadku. Konfiguracja jest abstrakcją platformy: zbiór danych, decyzja, warunki, persony, metodyka.