실제 JWT 캐시 비용 비교 / Actual JWT cache costs: 한국어 · English. 160쌍 동등성·48개 운영 기록 완료. 같은 요청 4개·3회 준비 상태 반복의 합계에서 고정 순서는 약 1.90배 빨라졌고 첫 후보 일치 시 캐시는 약 6.8% 느렸습니다. / 160 paired outcomes match; 48 operations complete. Aggregate fixed-order warm work is about 1.90× faster; a matching predeclared-first candidate is about 6.8% slower with caching. 독립 평가·모델 이득·토큰 절감의 증거는 아닙니다. / No independent evaluation, model benefit or token-savings evidence. PR152 · CI · Hub

최근 JWT 개발 검증 / Latest JWT development validation: 한국어 · English. 실제 원본160회,32조합4T/28F/0U,OS 최대RSS11.94MiB. 안전한 캐시 재사용의 실제 비용은 다음 별도 비교이며 새 학습·독립 평가·토큰 절감의 증거는 아닙니다. /160 actual original calls;32 combinations4T/28F/0U;11.94MiB peak RSS. Safe-cache costs are a separate next comparison; no new training/independent evaluation/token-savings evidence. PR151 · CI · Hugging Face

요청과 후보 설명의 방향·구간 경계·중단 조건을 작은 Go 배열로 비교해 확인 순서를 제안합니다. 한글 사용법 · 실험 전체. stdin JSON 한 개를 받아 관계값과 후보 순서를 출력하는 별도 riido-hintpreview입니다. 기본 riidolaya와 Codex 연동은 선택 사항이며 모델 다운로드는 필요 없습니다.

이미 본 B-tree 12요청의 모의 확인 횟수는 54→26회입니다. 정답·오답 혼합 9요청은 Top1 9/9, 정답만 있는 1요청과 정답 없는 2요청은 따로 기록했습니다. 저장 관측 비용 합은 187,673→85,793ns지만 실제 재정렬 실행의 속도 개선은 아닙니다. 새 학습·가중치·원본 API 실행 0회이며 독립 2,400개 평가와 Codex 절감은 미입증입니다.

지원 문장 하나를 8번 반복한 좁은 CPU 측정에서 관계 파싱 중앙값은 2,895ns·Go 할당 0B/0회였습니다. 전체 CLI·JSON·정렬·검증·RSS·GPU 수치는 아닙니다. 기호 보존 해시는 기존보다 느렸습니다. 지원 문법 밖은 미인식/부분 인식을 보존하며, 인식률은 정답이나 평가 자격을 뜻하지 않습니다.

저장소 루트에서 bash scripts/verify-text-representations.sh로 저장 결과를 재현합니다. PR150은 필수 CI 네 작업을 통과했고 봇이 동일 트리로 병합했습니다. 양 OS의 전체 12응답이 일치합니다. HF 추가 공개 14파일을 완전 읽기 대조했고 기존 820파일·10태그를 보존했습니다. 자체 소스는 Apache-2.0, 원천 고지는 고정 B-tree 자료를 따릅니다.

다음은 다른 소스 가족의 JWT 정책 검증을 준비합니다. 반복 서명 검증을 줄이는 단순 캐시와 먼저 비교하며, 기존 구간 표현의 전이나 새 모델 효과는 아직 관측하지 않았습니다.

이전 기록:

B-tree 사용법·결과에서 다음 튜닝용 12개 요청·96개 유한 라벨을 별도로 준비했습니다. 경계값을 포함할지, 어떤 방향으로 순회할지, 두 번 확인한 뒤 멈출지 같은 요구를 원본 Go API 여덟 개와 비교했습니다. 34개 입력에서 후보 272회를 실제 실행했고, 첫 결과 전체를 별도 계산으로 재검증했습니다.

단순 검색은 정답까지 54~59회 확인했으며, 정답을 미리 아는 낙관적인 최소치는 26회였습니다. 개선 여지를 발견한 것이며 새 모델의 성공률이나 실제 속도 개선은 아닙니다. 이 작은 검증에서는 추가 힌트 계산에 쓸 시간도 요청당 약 8µs로 좁습니다. 다음 실험은 후보 확인 횟수와 준비·추론·fallback 비용을 모두 비교합니다.

이 자료는 연결된 소스 가족 하나의 개발 학습 자료입니다. 기존 37행과 역할은 유지하며, 합쳐서 49개 독립 Golden 사례로 세지 않습니다. 정답 없음 두 요청의 문체가 다른 편향도 공개하고 다음 수집에서 표현과 truth를 독립적으로 다양화합니다. 다음 표현 비교 계획에 기존 FP32 특징 모델, 작은 관계 표현, 후속 INT8/3진 모델을 별도 단계로 두었습니다. 새 학습·가중치·Laya 인코더·GPU 실행은 0이며, 독립 2,400개 평가와 실제 에이전트 절감은 아직 달성하지 않았습니다.

저장소 루트에서 bash scripts/verify-btree-utility.sh를 실행하면 저장 결과·합성 대조·실제 Go 데이터 Reader를 검사합니다. replay를 붙이면 원본 API도 CPU에서 다시 실행합니다. Codex 연동이나 모델 다운로드는 필요 없습니다. upstream Apache-2.0 고정 소스와 전체 고지를 보존했고, 미래 모델의 모든 권리를 포괄 인증한다는 뜻은 아닙니다.

필수 CI 네 작업이 통과했고 봇이 같은 소스 트리로 병합했습니다. HF 새40파일은 고정 커밋에서 전체 바이트를 다시 대조했으며, 이전780파일의 Git/LFS 지문·크기와 기존10태그를 유지했습니다. Linux/macOS의272개 Got는 각각 원래 기록과 정확히 같고 순위 변화가 없었습니다. 서로 다른 시간 표본은 각각 보존했습니다.

PR149 · CI · Hugging Face 40 public files

이전 단계 기록:

목표는 아주 적은 자원으로 코드 후보에 대한 힌트를 자주 제안하는 작은 모델입니다. 예를 들어 “이 후보가 오류 뒤에도 다음 줄을 처리할 수 있다”는 주장을 먼저 제시하고, 실제 검사로 확인합니다. 힌트만으로 실행을 승인하거나 정답을 확정하지 않습니다.

현재 공개 자료는 **요청 35개·라벨 102개(긍정 35·부정 67)**입니다. 입력 171개, 전체 후보 관측 509개, 선택 후보 관측 500개를 포함합니다. 이전 33행은 바이트 그대로 유지했습니다. Go 생성·Reader 기록과 사용법·근거를 볼 수 있습니다.

새로 추가한 두 요청에서는 JSON 한 줄의 완전한 값 처리와 잘못된 UTF-8의 append 전 거부를 검사했습니다. 충족·반례·미상을 구분하며, 확인할 수 없는 오류 통로는 미상으로 남깁니다. 알려진 반례와 미상 조건이 함께 있으면 반례의 근거로만 부정 라벨을 붙입니다. 기존 API의 원래 계약과 새 요구의 차이를 비교하므로 불일치 자체를 원본 버그로 단정하지 않습니다.

아래 명령은 데이터 한 파일만 받습니다. 모델 다운로드·추론·학습 없이 읽을 수 있고 Codex 연동도 선택 사항입니다. 한 줄은 요청 하나, candidates는 비교할 코드 설명, label은 유한 관측에 근거한 긍정·부정입니다. 생성 근거의 미상 값과 제외 후보는 별도 qualification/evidence에 남아 있습니다.

hf download JooYoon/riidolaya-shortclaim-next60-development \
  releases/next60-35-finite-v1/next60-development-thirtyfive/data/train.jsonl \
  --type dataset --revision 7621cd34d298b4e2dfb59def7a9adaf6e45fef52 \
  --local-dir ./riidolaya-next60-data

저장소를 받은 뒤 아래 검사를 실행하면 저장 관측 전체, 데이터 바이트, 실제 프로젝트 Reader의 35개 값이 재현됩니다. 원본 관찰기·모델·새 학습은 실행하지 않습니다.

bash scripts/verify-next60-thirtyfive.sh

PR126의 필수 CI 네 작업이 통과했고 봇이 동일 소스 트리를 병합했습니다. 새 저장 비교 33행·309조건과 전체 데이터 35행을 Linux·macOS에서 대조했습니다. 기존 Laya native 추론 검사도 별도로 통과했습니다. GPU 실행은 미확인입니다.

Hugging Face 고정 버전과 next60-35-finite-v1 태그를 게시했습니다. 목록은 자체 파일 720개·관리 속성 포함 721개입니다. 새 파일·변경 파일 84개와 관리 속성 파일 1개, 총 888,897바이트를 고정 커밋에서 직접 대조했고 모두 일치했습니다. 옛 639개 경로와 태그 8개를 유지했습니다. 옛 파일 전체를 이번 커밋에서 다시 다운로드했다는 뜻은 아닙니다.

Viewer도 35행의 모든 필드·순서 일치, partial=false, 잘린 셀 0을 확인했습니다. 응답 커밋과 최상위 잘림 표시는 제공되지 않아 미확인으로 남깁니다. Viewer는 현재 main을 따르므로 고정 커밋 파일 증명과 구분합니다.

35개는 개발 수집 단계입니다. 둘째 후보만 골라도 28/35가 맞으므로 모델이 이보다 의미 있는 도움을 주는지부터 확인해야 합니다. 새 Golden 20→60 계획은 기존 35행과 별도의 집단이며, 5·8후보와 정답 0·1·여러 개·미상·정책 모호 사례를 고르게 수집합니다. 같은 원본 가족·공유 함수·번역·변형은 다른 평가 역할로 나누지 않습니다.

미상 전용 후보의 정답·가중치는 null로 보존하고 모호한 부모 요청은 학습에서 제외하는 Reader 초안을 검토 중입니다. 현재 학습 변환에 그대로 연결하면 미상을 음성으로 오해할 수 있어, 변환·손실·평가까지 마스크를 확인한 뒤 연결합니다. 새 학습·모델 추론은 0회입니다. 도메인별 보호 평가 2,400개와 실제 전체 검증 작업량 5% 감소는 아직 달성하지 않았습니다. 3진 저장 크기와 CPU 추론 효용도 별도로 증명해야 합니다.

자체 코드·설명·입력은 Apache-2.0이고 기존 upstream 전문 고지를 보존합니다. 원본 코드 본문·모델 본체·바이너리·사적 입력·인증정보·원시 journal은 공개하지 않습니다. 모델 게시 권리는 별도 검토입니다. 이슈19 · English.

bash scripts/verify-next60-thirtythree.sh

hf download JooYoon/riidolaya-shortclaim-next60-development \
  releases/next60-33-finite-v1/next60-development-thirtythree/data/train.jsonl \
  --type dataset --revision 2a1c2224e89f60eef9e381f98c0117206f60e0d2 \
  --local-dir ./riidolaya-next60-data

example, err := shortclaimdata.LoadDevelopmentRow(bytes.NewReader(line))
if err != nil {
    return err
}
input := example.Input()
supervision := example.Supervision()

hf download JooYoon/riidolaya-shortclaim-next60-development \
  releases/next60-30-finite-v1/next60-development-thirty/data/train.jsonl \
  --type dataset --revision 89c0c7c9ddc3135e37e88e9da5d51ac55dff0e1d \
  --local-dir ./riidolaya-next60-data

example, err := shortclaimdata.LoadDevelopmentRow(bytes.NewReader(line))
if err != nil {
    return err
}
input := example.Input()
supervision := example.Supervision()

bash scripts/verify-next60-thirty.sh