{"filename":"agent_20260517_1649.md","content":"# Research Radar Cycle 20260517_1649\n\n## Ruolo/funzione\n\nTM7-vps in funzione Research Radar Lab. Il ciclo continua la consecutio\n`20260517_1630`: passare dal gate sintetico a una claim card reale con\nsource/data-card e almeno un null eseguibile.\n\n## Tensione scelta\n\n`RR_BASELINE_NULL` — Un claim promettente deve battere baseline naive e almeno\nun null pertinente.\n\nMotivo della scelta: discrimina un caso che la provenance da sola non risolve.\nUna fonte primaria con data-card puo' sembrare sufficiente, ma se il null\nscelto non puo' falsificare l'osservabile, il claim non deve entrare in `TEST`.\n\n## Domanda\n\nUna claim card reale con fonte primaria e data-card puo' passare da `WATCH` a\n`TEST` se il null label-shuffle e' eseguibile ma non discriminante per\nl'osservabile scelto?\n\n## Esperimento\n\nTool eseguito:\n\n```bash\npython3 /opt/D-ND_LAB/domains/research-radar/tools/exp_claim_radar.py --real-null-demo --json\n```\n\nSchema output: `research_radar.claim_eval.v1`\n\nArtifact verificabile:\n\n```text\n/opt/D-ND_LAB/data/research-radar/value/claim_cards_latest.json\n/opt/D-ND_LAB/data/research-radar/value/claim_cards_20260517_165147.json\n```\n\nFonte primaria usata: UCI Machine Learning Repository, Iris dataset\n(`https://archive.ics.uci.edu/dataset/53/iris`, DOI `10.24432/C56C76`). La\npagina UCI dichiara 150 istanze, 4 feature, target `class`, nessun missing value\ne 3 classi di 50 istanze ciascuna.\n\n## Numeri\n\n| claim_id | source | observable | baseline | null | observed_imbalance | shuffled_imbalance | null_delta | null_discriminating | radar_score | decision |\n|---|---|---|---|---|---:|---:|---:|---|---:|---|\n| `rr_real_iris_001` | UCI Iris dataset card | class-count imbalance | source/data-card presence naive promotion | label shuffle over target categories | 0 | 0 | 0 | false | 0.62 | `WATCH` |\n\nSummary tool:\n\n- `TEST`: 0\n- `WATCH`: 1\n- `REJECT`: 0\n- `PROMOTE`: 0\n\n## Claim esclusi\n\nNessun claim e' stato escluso per mancanza di source/data-card. Il claim\n`rr_real_iris_001` e' pero' escluso da `TEST`: la label shuffle preserva i\nconteggi di classe, quindi non puo' falsificare un claim sul bilanciamento dei\nconteggi.\n\n## Baseline e null\n\nBaseline battuta:\n\n- il claim batte la baseline minima \"source/data-card presence\" perche' ha\n  fonte primaria, data-card, osservabile numerico e artifact riproducibile.\n\nBaseline non sufficiente:\n\n- la stessa baseline non autorizza `TEST`: una fonte reale non sostituisce un\n  null pertinente.\n\nNull eseguito:\n\n- label shuffle con seed `1649` sui 150 label ricostruiti dalla data-card;\n- conteggi osservati: 50/50/50;\n- conteggi dopo shuffle: 50/50/50;\n- `null_delta=0`, quindi `null_discriminating=false`.\n\nNull ancora da costruire:\n\n- per claim di bilanciamento: controllo su perturbazione dei conteggi o\n  confronto con distribuzioni target non bilanciate, non label shuffle;\n- per claim di classificazione Iris: split train/test con leakage guard e\n  label shuffle misurato su accuracy, non su conteggi;\n- time-window split non pertinente a questo claim statico.\n\n## Bicono\n\nRadici:\n\n- `RR_BASELINE_NULL`\n- `RR_SOURCE_PROVENANCE`\n- UCI Iris dataset card come fonte primaria reale\n- `exp_claim_radar.py --real-null-demo`\n\nSingolare:\n\n- Il confine non e' \"null eseguito / null non eseguito\", ma \"null capace di\n  cambiare l'osservabile se il claim e' falso / null invariante rispetto\n  all'osservabile\".\n\nInvariante:\n\n- Source/data-card + artifact non bastano per `TEST` quando il null e'\n  strutturalmente non discriminante. Un controllo eseguibile ma inadatto deve\n  bloccare la promozione del claim.\n\nCampo:\n\n- Il prossimo ciclo puo' restare su claim reali, ma deve accoppiare ogni\n  osservabile al null che puo' davvero falsificarlo. Per conteggi serve null sui\n  conteggi; per performance serve null su performance/leakage.\n\n## Archive retrieval\n\nStack minimo dichiarato nel MML:\n\n- `semantic-transduction`\n- `cognitive-router`\n- `axiomatic-integrity`\n- `knowledge-atoms`\n\nArchivi e skill consultati:\n\n- `/opt/D-ND_LAB/domains/research-radar/context.md`\n- `/opt/D-ND_LAB/domains/research-radar/mml.json`\n- `/opt/D-ND_LAB/domains/research-radar/tools/exp_claim_radar.py`\n- `/opt/D-ND_LAB/data/research-radar/seed.json`\n- `/opt/D-ND_LAB/data/research-radar/reports/agent_20260517_1630.md`\n- `/opt/.claude/skills/assertion-verifier.md`\n- `/opt/.claude/skills/cec.md`\n- `/opt/.claude/skills/eval.md`\n- `/opt/MM_D-ND/kernel/reference/skills/agent_skills_observer.md`\n- `/opt/.claude/skills/consapevolezza-condensato.md`\n- `/opt/.claude/skills/autologica-operativa.md`\n- `/opt/MM_D-ND/kernel/reference/skills/agent_skills_scribe.md`\n- `/opt/.claude/skills/cascata.md`\n\n## Runtime awareness\n\nCosa e' stato letto:\n\n- fonti operative TM7/THIA minime;\n- `COWORK_KERNEL`, `PROJECT_MEMORY`, `COWORK_CHANNEL`;\n- context, MML, README, seed e report precedente del Research Radar;\n- tool custom e diff corrente del tool;\n- artifact claim card generato dal ciclo.\n\nCosa e' verificato:\n\n- repo `/opt/D-ND_LAB` su `main...origin/main`;\n- worktree gia' dirty prima del ciclo su `core/*`, docs e Research Radar;\n- `sklearn` non disponibile, `numpy 2.4.2` disponibile;\n- UCI Iris dataset card letta via fonte primaria web;\n- tool eseguito con output JSON valido;\n- artifact `claim_cards_latest.json` aggiornato e letto;\n- `py_compile` del tool passa.\n\nNon verificato:\n\n- download integrale dei 150 record Iris;\n- replica di un modello di classificazione;\n- fonti indipendenti oltre alla fonte primaria UCI;\n- deploy o superfici pubbliche.\n\n## Seed update ammissibile\n\nAggiungere una tensione/constraint metodologico:\n\n`RR_NULL_RELEVANCE_GATE` — Un null eseguibile ma invariante rispetto\nall'osservabile non autorizza `TEST`; il claim resta `WATCH` finche' il null non\npuo' falsificare proprio quel tipo di osservabile.\n\n## Decisione\n\n`RR_BASELINE_NULL` confermata e affinata.\n\nDecisione di ciclo: `WATCH_CONSTRAINT`, non `TEST` e non `DISCOVERY`.\n","title":"Research Radar Cycle 20260517_1649","verdict":"","bicono":null,"size":5897,"mtime":"2026-05-17T16:52:29.389776+00:00"}