Как разделить AI-корпус по меткам с фиксированным seed

Перед запуском запишите, какие данные считаются входом, что является ожидаемым результатом, что именно означает отказ и кому предстоит разбирать расхождение. Для AI-оценки важно отдельно хранить вход, ожидаемую метку и фактический результат: если они смешаны, тест может подтверждать сам себя. Используйте стабильные синтетические ID, чтобы видеть ошибку в журнале, не раскрывая содержимое клиентских обращений.

Сначала прогоните тест на маленьком входе, где правильное поведение известно вручную. Затем внесите одну контролируемую ошибку и убедитесь, что код её замечает. После этого верните корректный набор и только тогда расширяйте проверку до реальных данных. Не переносите демонстрационные численные значения или пороги в производство без отдельного обоснования: они выбраны для наглядности, а не рассчитаны по вашей аудитории.

Вход и ожидаемый результат

Две метки urgent/normal и четыре вымышленных кейса; ожидается, что test содержит по одному кейсу каждого класса, а повторный запуск даёт тот же выбор. Из U1/U2 и N1/N2 код выбирает по одному ID в test, другие остаются в train. Конкретный выбор печатает программа; инварианты подтверждают отсутствие пересечения и сохранение всех четырёх записей. Перед тем как применять правило к закрытому корпусу, обсудите пограничные случаи, которые могут поменять интерпретацию входа. Запись в документации о границах теста не менее важна, чем зелёный check.

Пошаговые действия

1. Создайте scripts/check.py в корне репозитория и вставьте код из блока ниже. Он использует названия функций стандартной библиотеки, указанные в официальных ссылках в конце статьи.
2. Выполните python scripts/check.py локально. Не продолжайте, если уже демонстрационная фикстура даёт иной результат: сначала проверьте копирование кода и кодировку файла.
3. Запустите код дважды и убедитесь, что выбор повторяется. Перед переносом добавьте проверки уникальности ID и минимального числа элементов в каждой категории: если в группе один пример, размещение его в test оставит train без этой метки. Храните зафиксированный seed и выбранные ID вместе с версией корпуса. Если одно и то же обращение пользователя встречается много раз, группируйте по пользователю или кейсу до разбиения — иначе утечка всё равно возможна.
4. Создайте .github/workflows/ai-corpus-check.yml из YAML-шаблона. Событие pull_request полезно для проверки корпуса до слияния; чтение репозитория ограничено permissions: contents: read. Скрипт не должен получать ключ внешней модели или реальные секреты.
5. В разделе Actions откройте job check, сопоставьте его код завершения с локальным прогоном и зафиксируйте ссылку на проверенный коммит в PR. Не принимайте зелёный результат на старой ревизии за проверку последнего изменения.

# scripts/check.py
from collections import defaultdict
from random import Random

cases = [{"id":"U1","label":"urgent"},{"id":"U2","label":"urgent"},
         {"id":"N1","label":"normal"},{"id":"N2","label":"normal"}]
groups = defaultdict(list)
for row in cases: groups[row["label"]].append(row["id"])

def split(seed):
    rng, train, test = Random(seed), [], []
    for label in sorted(groups):
        ids = sorted(groups[label]); rng.shuffle(ids)
        test.extend(ids[:1]); train.extend(ids[1:])
    return sorted(train), sorted(test)

assert split(42) == split(42)
train, test = split(42)
assert not set(train) & set(test)
assert len(train) + len(test) == len(cases)
print("train:", train, "test:", test)

name: AI corpus checks
on:
  pull_request:
permissions:
  contents: read
jobs:
  check:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v7
      - uses: actions/setup-python@v7
        with:
          python-version: '3.13'
      - run: python scripts/check.py

Ошибки интерпретации и границы

random.Random детерминирован для такой проверки, но не криптографический генератор. Важнее сохранить метод и корпус, чем просто цифру seed. Демонстрационное разделение маленького набора не позволяет оценивать качество реальной модели. Если вы увеличиваете корпус, добавляйте не только новые примеры, но и отрицательные случаи, на которых тест обязан упасть. Проверяйте, что изменение expected прошло ревью отдельно от изменения кода: иначе можно незаметно изменить правило под текущий ответ системы. Избегайте вывода полного корпуса в CI и не сохраняйте в артефактах ответ закрытой модели без решения о доступе и хранении.

Ошибка выполнения самого Python, нераспознанный формат входа и обнаруженный бизнес-дефект — разные ситуации. В сообщении теста указывайте тип проблемы и безопасный ID. Если тест требует внешний сервис, вынесите его из PR с недоверенным кодом и явно ограничьте доступ к токенам; этот пример намеренно работает локально. Перед публикацией каких-либо результатов опишите методику, размер и происхождение набора, иначе читатель воспримет демонстрационную арифметику как характеристику продукта.