Von Valravn zu Skira
Stand: 7. September 2026

Die Webseite verwendet nur aggregierte Messwerte. Keine Trainings- oder Testtexte, Personenangaben, Modellgewichte oder internen Projektdateien sind enthalten.

Aktueller Vergleich
Die Skira-4.1-Werte stammen aus comparison_v1.json, Profil skira4_plus4000 / Stufe 4: Viterbi, Grundkette und QID-Grenze, Bias 0. Skira-5-Werte stammen aus dem Release-Manifest vom 6. September, Test300: Klassen Stufe 10, Masken Stufe 12. Dieselbe Referenz wird durch den SHA256-Wert in skira-metrics.json gebunden.

Frühe Skira-6-Decoder-Preview
test300_results.json, validation_results.json und packaged_runtime_verification_v1.json des separaten Skira-6-Pakets vom 7. September. Das auf Validation ausgewählte Profil skira4_1_decoder verändert die Label-Decodierung, nicht die Skira-5-Gewichte. Validation und Test300 melden null Maskenabweichungen. Die Paketprüfung reproduziert alle 300 Ausgaben der zuvor gemessenen Auswahl. Die Webseite startet keine neue vollständige Modellevaluation; sie visualisiert diese vorhandenen Ergebnisse.

Rechenweg
Pro Label: Precision = TP / (TP + FP); Recall = TP / (TP + FN); F1 = 2 TP / (2 TP + FP + FN). Makro mittelt die zwölf Labels gleich, Mikro summiert zuerst TP, FP und FN. Zahlen werden erst zur Darstellung gerundet. Der Export prüft F1 gegen die zugrunde liegenden Trefferzahlen. Vollständige PII-Stellenabdeckung ist unabhängig von der Label-Klasse.

Die Raster in den Ergebnisfeldern zeigen 300 Zellen als aggregierte Anzahl vollständig geschützter Dokumente. Sie bilden keine Reihenfolge oder Identität einzelner Testdokumente ab.

Historische Quellen
Valravn: Entwicklungsdokumentation Juni/Juli 2026, eigener fixer 14-Dokumente-Test; dokumentierte Versionen v1 bis v5 sowie v12 und v14. Keine erfundenen Zwischenwerte. Der historische Span-F1 ist keine neu berechnete exakte Test300-Metrik.
Frühe Encoder: Training-Verlauf, Normalisierung der QID-Grenzen.
Veyra: ursprünglicher Encoder-RESULTS_LOG sowie Entwicklungsstände Juli und 16. August 2026. Veyra 2 heißt dort auch Veyra 1.2. Referenzen norm2, norm3 und norm4 unterscheiden sich.
Skira 1/2/3: Entwicklungsstand und QID-Grenzvergleich vom 26. August, bench1878 norm22, 1.878 Dokumente und 62.023 Goldstellen, O-Bias 3, Kontext 2.048.
Skira 4 wird in der Entwicklungsgeschichte gemäß Manus Versionszuordnung mit den 4.000 Dokumenten verbunden. Davon getrennt bleibt die frühe Checkpoint-Messung.
Skira 3/früher Skira-4-Checkpoint: pool23-Vergleich vom 26. August, bench1878 norm24, dieselbe Größe, O-Bias 3, Kontext 2.048.

Grenzen
Historische Referenzen werden nicht zu einer gemeinsamen Fortschrittskurve verbunden. Test300 ist eine bekannte Regression und kein neuer unabhängiger Holdout. Zusätzlich maskierte Nichtgoldzeichen sind keine manuell bestätigten Falschpositiven. Die frühere Decoder-Preview bleibt als historischer Zwischenschritt erhalten. Die Demo läuft mit dem fertigen Skira-6-Labelkopf vom 7. September.

Die Hashes der maschinenlesbaren aktuellen Quelldateien stehen unter sources in skira-metrics.json. Der reproduzierbare Export liegt im Portfolio-Quellcode unter tools/build_skira_metrics.py.

Fertiges Skira 6 mit Labelkopf
Release skira6-labelkopf-2026-09-07. evidence/test/results.json und evidence/valid/results.json: vollständiger Paket-Loader, kanonische Klassenpipeline, 390 beziehungsweise 3073 Fenster mit jeweils einem Encoder-Aufruf. Alle 300 Test- und 2799 Validierungsmasken identisch zum eingefrorenen Skira-5-Pfad. Auswahl Epoche 3 ausschließlich auf Validation. Kopftraining auf 4000 vorhandenen Dokumenten, 157465 Parameter, Encoder und ursprünglicher Kopf eingefroren. Vollmessungen auf MPS; zusätzliche CPU-Demo-Prüfungen auf dem Pi ersetzen keinen vollständigen CPU-Regressionslauf. Die maschinenlesbaren Website-Daten enthalten nur aggregierte Zahlen und Quelldatei-Hashes.