AUFTRAG AN CODEX
E006 – FINALE EXECUTION-PRÄREGISTRIERUNG

STATUS

D1 Development Runde 1:

DEVELOPMENT_ACCEPTED

- 96/96 Interpretationen korrekt
- 96/96 epistemische Diagnosen korrekt
- 32/32 semantische Kerne vollständig korrekt
- Baum: 32/32
- Postfix: 32/32
- Relation: 32/32
- D0-Regression: 48/48 identisch
- Offline-Audit: PASS
- keine Retries
- keine Reparaturen
- kein SEARCH
- keine Memory-Rückschreibung

D1 wurde nach Runde 1 nicht verändert.

E006 wurde bisher NICHT ausgeführt.


============================================================
1. D1 ENDGÜLTIG EINFRIEREN
============================================================

Der aktuelle D1-Stand wird als endgültiger E006-Prüfling eingefroren.

Runde 2 und Runde 3 gelten als:

NOT USED / EXPIRED

Sie dürfen nach Beginn dieser Phase nicht mehr verwendet werden.

Dokumentiere:

- D1-Codehash
- Konfigurationshash
- D0-Hash
- Abhängigkeiten
- Development-Abschlussbericht
- Development-Audit

Keine weitere D1-Entwicklung.


============================================================
2. GENERATOR B BLEIBT EINGEFROREN
============================================================

Der unabhängige Generator-B-Test besteht aus:

- 20 unbekannten semantischen Testkernen
- 3 Originaldarstellungen pro Kern
- insgesamt 60 Testdatensätzen
- 10 vom Testautor definierten Minimalpaaren

Keine Testdatei verändern.

Keine neue Darstellung erzeugen.

Keine Ground Truth verändern.

Keine Labels verändern.


============================================================
3. TESTSTRUKTUR

Die 60 Datensätze sind NICHT als 60 unabhängige semantische Probleme
zu behandeln.

Auswertung mindestens auf vier Ebenen:

A. DATASET-EBENE
60 einzelne Diagnosen.

B. KERN-EBENE
20 semantische Kerne.

C. REPRÄSENTATIONS-EBENE
Baum / Postfix / Relation.

D. MINIMALPAAR-EBENE
10 vom Testautor definierte Minimalpaare.


============================================================
4. ONE-SHOT-PROTOKOLL

Spätere Ausführung:

- exakt 60 Diagnosen
- jeder Datensatz exakt einmal
- festgelegte Reihenfolge
- keine Retries
- kein Majority Voting
- kein Best-of-N
- keine Reparatur
- keine Codeänderung
- kein SEARCH
- keine Memory-Rückschreibung
- keine Anpassung zwischen Fällen

Alle Rohresultate unmittelbar unverändert persistieren.


============================================================
5. PRO DATENSATZ BEWERTEN

Mindestens:

- Intake technisch gültig
- Interpretation korrekt
- interne Evidenz korrekt
- epistemische Diagnose
- Ground-Truth-Vergleich
- Begründung korrekt
- Fehlerklasse

Fehlerklassen mindestens:

CORRECT_KNOWN
CORRECT_UNKNOWN

FALSE_KNOWN
FALSE_UNKNOWN

OVERCLAIM

WRONG_REASON
RIGHT_ANSWER_WRONG_REASON

INTAKE_ERROR
INTERPRETATION_ERROR
INTERNAL_EVIDENCE_MISMATCH

TECHNICAL_INVALID


============================================================
6. KERN-EBENE

Für jeden der 20 Kerne:

TREE
POSTFIX
RELATION

getrennt bewerten.

Ein Kern gilt als FULL_CORE_PASS nur wenn:

- alle drei Darstellungen technisch gültig sind
- alle drei korrekt interpretiert werden
- alle drei epistemisch korrekt sind
- alle drei korrekte Begründungen liefern
- keine Darstellung einen Overclaim erzeugt

Berichten:

X/20 FULL_CORE_PASS.


============================================================
7. REPRÄSENTATIONSINVARIANZ

Für jeden Kern prüfen:

Führen Baum, Postfix und Relation zur jeweils korrekten epistemischen
Bewertung derselben semantischen Situation?

Wichtig:

Gleiche Ausgabe allein reicht nicht.

Wenn alle drei Darstellungen denselben Fehler produzieren, ist dies keine
erfolgreiche Repräsentationsinvarianz.

Berichten:

- Baum X/20
- Postfix X/20
- Relation X/20
- vollständige korrekte Invarianz X/20


============================================================
8. MINIMALPAARE

Die 10 vom unabhängigen Testautor definierten Minimalpaare exakt nach dessen
Vertrag auswerten.

Ein Minimalpaar besteht nur dann, wenn D1 korrekt auf die epistemisch
relevante Differenz reagiert.

Keine nachträgliche Interpretation.

Berichten:

X/10 korrekt.


============================================================
9. KRITISCHE EPISTEMISCHE FEHLER

Besonders getrennt erfassen:

FALSE_KNOWN
OVERCLAIM

Diese Fehler bedeuten:

Das System behandelt eine nicht ausreichend begründbare Aussage als Wissen.

FALSE_UNKNOWN separat erfassen:

Das System verweigert eine tatsächlich begründbare Aussage.

Keine dieser Klassen mit gewöhnlicher Accuracy verdecken.


============================================================
10. PASS / FAIL / INCONCLUSIVE

Vor Testausführung endgültig festlegen.

Empfohlene harte Definition:

PASS nur wenn:

- 60/60 Datensätze epistemisch korrekt
- 20/20 FULL_CORE_PASS
- Baum 20/20
- Postfix 20/20
- Relation 20/20
- 10/10 Minimalpaare korrekt
- FALSE_KNOWN = 0
- FALSE_UNKNOWN = 0
- OVERCLAIM = 0
- WRONG_REASON = 0
- RIGHT_ANSWER_WRONG_REASON = 0
- keine Protokollabweichung
- Offline-Audit PASS

Jeder valide Diagnosefehler:

FAIL.

Technische Ungültigkeit, die eine faire Bewertung verhindert:

INCONCLUSIVE gemäß präregistrierter technischer Regel.

KEINE Schwellen nach Testbeginn verändern.


============================================================
11. WICHTIGE INTERPRETATIONSGRENZE

Ein PASS würde NICHT beweisen:

- allgemeine epistemische Kompetenz
- beliebige Generalisierung
- allgemeine Intelligenz
- autonome SEARCH-Steuerung
- produktive Colony-Fähigkeit

Ein PASS würde zeigen:

Der vor Kenntnis der versiegelten Testkerne eingefrorene D1-Prüfling
generalisiert die getestete epistemische Diagnose auf den unabhängig
erzeugten Generator-B-Test über:

- unbekannte semantische Testkerne
- drei unterschiedliche Originalrepräsentationen
- die vom Testautor definierten epistemischen Variationen
- dessen Minimalpaare

innerhalb des definierten E006-Testraums.


============================================================
12. PRE-EXECUTION AUDIT

Vor Ausführung prüfen:

- D1 hashgleich zum DEVELOPMENT_ACCEPTED-Zustand
- D0 hashgleich
- Generator B hashgleich
- 60 Testdatensätze vorhanden
- 20 eindeutige Kerne
- drei Darstellungen je Kern
- 10 Minimalpaare vorhanden
- Ground Truth vollständig
- Evaluator vorbereitet
- Firewall aktiv
- keine Testausführung in Logs
- keine früheren Diagnoseergebnisse für E006

Falls nicht vollständig PASS:

STOP.


============================================================
13. NOCH NICHT AUSFÜHREN

DIESER AUFTRAG IST NUR DIE FINALE E006-PRÄREGISTRIERUNG.

Nach:

- endgültigem Einfrieren von D1
- Festlegung der Acceptance Criteria
- vorbereitetem Evaluator
- vorbereitetem Offline-Audit
- bestandenem Pre-execution Audit

STOP.

KEINEN DER 60 TESTDATENSÄTZE DIAGNOSTIZIEREN.

Bericht vorlegen.

Erst nach ausdrücklicher menschlicher Freigabe darf E006 einmalig
ausgeführt werden.