aiflow-math-ink-06-intermediate / reports /p_boundary_auxiliary_smoke.json
cwLeeDev's picture
Promote full P proxy boundary head after validation and paired-test gates
0e30f75 verified
Raw
History Blame Contribute Delete
16.7 kB
{
"experiment": "P-MATH-INK-06-BOUNDARY-AUXILIARY-SMOKE-001",
"generated_at": "2026-07-23T19:10:12.626228+00:00",
"device": "cpu",
"cuda_device": null,
"base_model_version": "aiflow-math-ink-0.6-federated-online1",
"adapter_model_version": "aiflow-math-ink-0.6-skeleton-adapter1",
"training_samples": 2400,
"validation_samples": 2400,
"selected": {
"epoch": 20,
"loss": 0.10360381305217743,
"threshold": 0.5,
"accuracy": 0.96375,
"f1": 0.9647058823529412,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9366666666666666,
"cross_boundary_recall": 0.9908333333333333
},
"threshold_selection": {
"threshold": 0.7,
"accuracy": 0.9733333333333334,
"f1": 0.9733555370524563,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9725,
"cross_boundary_recall": 0.9741666666666666,
"recall_gate_passed": true
},
"threshold_trials": [
{
"threshold": 0.05,
"accuracy": 0.8,
"f1": 0.8333333333333334,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.6,
"cross_boundary_recall": 1.0
},
{
"threshold": 0.075,
"accuracy": 0.83625,
"f1": 0.8591902543891079,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.6733333333333333,
"cross_boundary_recall": 0.9991666666666666
},
{
"threshold": 0.1,
"accuracy": 0.8658333333333333,
"f1": 0.8816176470588235,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.7325,
"cross_boundary_recall": 0.9991666666666666
},
{
"threshold": 0.125,
"accuracy": 0.8854166666666666,
"f1": 0.8970423062523399,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.7725,
"cross_boundary_recall": 0.9983333333333333
},
{
"threshold": 0.15,
"accuracy": 0.8954166666666666,
"f1": 0.9049602423324499,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.795,
"cross_boundary_recall": 0.9958333333333333
},
{
"threshold": 0.175,
"accuracy": 0.9075,
"f1": 0.9150076569678407,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.8191666666666667,
"cross_boundary_recall": 0.9958333333333333
},
{
"threshold": 0.2,
"accuracy": 0.9158333333333334,
"f1": 0.9220679012345679,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.8358333333333333,
"cross_boundary_recall": 0.9958333333333333
},
{
"threshold": 0.22499999999999998,
"accuracy": 0.9216666666666666,
"f1": 0.9270186335403726,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.8483333333333334,
"cross_boundary_recall": 0.995
},
{
"threshold": 0.25,
"accuracy": 0.9270833333333334,
"f1": 0.9317206398751463,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.8591666666666666,
"cross_boundary_recall": 0.995
},
{
"threshold": 0.27499999999999997,
"accuracy": 0.935,
"f1": 0.9386792452830188,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.875,
"cross_boundary_recall": 0.995
},
{
"threshold": 0.3,
"accuracy": 0.9395833333333333,
"f1": 0.942755625740229,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.8841666666666667,
"cross_boundary_recall": 0.995
},
{
"threshold": 0.32499999999999996,
"accuracy": 0.9433333333333334,
"f1": 0.9460745440126883,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.8925,
"cross_boundary_recall": 0.9941666666666666
},
{
"threshold": 0.35,
"accuracy": 0.94625,
"f1": 0.94866693195384,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.8991666666666667,
"cross_boundary_recall": 0.9933333333333333
},
{
"threshold": 0.37499999999999994,
"accuracy": 0.9516666666666667,
"f1": 0.9536,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.91,
"cross_boundary_recall": 0.9933333333333333
},
{
"threshold": 0.39999999999999997,
"accuracy": 0.9545833333333333,
"f1": 0.9562775772162053,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9158333333333334,
"cross_boundary_recall": 0.9933333333333333
},
{
"threshold": 0.42499999999999993,
"accuracy": 0.95625,
"f1": 0.9578143832864604,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9191666666666667,
"cross_boundary_recall": 0.9933333333333333
},
{
"threshold": 0.44999999999999996,
"accuracy": 0.9583333333333334,
"f1": 0.9597423510466989,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9233333333333333,
"cross_boundary_recall": 0.9933333333333333
},
{
"threshold": 0.475,
"accuracy": 0.9616666666666667,
"f1": 0.9628132578819725,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9308333333333333,
"cross_boundary_recall": 0.9925
},
{
"threshold": 0.49999999999999994,
"accuracy": 0.96375,
"f1": 0.9647058823529412,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9366666666666666,
"cross_boundary_recall": 0.9908333333333333
},
{
"threshold": 0.525,
"accuracy": 0.9641666666666666,
"f1": 0.9650406504065041,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9391666666666667,
"cross_boundary_recall": 0.9891666666666666
},
{
"threshold": 0.5499999999999999,
"accuracy": 0.9645833333333333,
"f1": 0.9653202774377805,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9433333333333334,
"cross_boundary_recall": 0.9858333333333333
},
{
"threshold": 0.575,
"accuracy": 0.9670833333333333,
"f1": 0.9676891615541923,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9483333333333334,
"cross_boundary_recall": 0.9858333333333333
},
{
"threshold": 0.6,
"accuracy": 0.9691666666666666,
"f1": 0.9696223316912972,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9541666666666667,
"cross_boundary_recall": 0.9841666666666666
},
{
"threshold": 0.625,
"accuracy": 0.97,
"f1": 0.9702970297029703,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.96,
"cross_boundary_recall": 0.98
},
{
"threshold": 0.65,
"accuracy": 0.97,
"f1": 0.9702233250620348,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9625,
"cross_boundary_recall": 0.9775
},
{
"threshold": 0.675,
"accuracy": 0.9720833333333333,
"f1": 0.972210700953961,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9675,
"cross_boundary_recall": 0.9766666666666667
},
{
"threshold": 0.7,
"accuracy": 0.9733333333333334,
"f1": 0.9733555370524563,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9725,
"cross_boundary_recall": 0.9741666666666666
},
{
"threshold": 0.725,
"accuracy": 0.9733333333333334,
"f1": 0.9731993299832495,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9783333333333334,
"cross_boundary_recall": 0.9683333333333334
},
{
"threshold": 0.75,
"accuracy": 0.97125,
"f1": 0.9709228824273072,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9825,
"cross_boundary_recall": 0.96
},
{
"threshold": 0.775,
"accuracy": 0.97,
"f1": 0.9695173581710415,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9858333333333333,
"cross_boundary_recall": 0.9541666666666667
},
{
"threshold": 0.7999999999999999,
"accuracy": 0.96625,
"f1": 0.9654289372599232,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.99,
"cross_boundary_recall": 0.9425
},
{
"threshold": 0.825,
"accuracy": 0.9616666666666667,
"f1": 0.9605488850771869,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.99,
"cross_boundary_recall": 0.9333333333333333
},
{
"threshold": 0.85,
"accuracy": 0.9558333333333333,
"f1": 0.9541522491349481,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9925,
"cross_boundary_recall": 0.9191666666666667
},
{
"threshold": 0.875,
"accuracy": 0.9491666666666667,
"f1": 0.9467248908296944,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.995,
"cross_boundary_recall": 0.9033333333333333
},
{
"threshold": 0.9,
"accuracy": 0.935,
"f1": 0.9307282415630551,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9966666666666667,
"cross_boundary_recall": 0.8733333333333333
},
{
"threshold": 0.9249999999999999,
"accuracy": 0.9091666666666667,
"f1": 0.9002744739249772,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9983333333333333,
"cross_boundary_recall": 0.82
},
{
"threshold": 0.95,
"accuracy": 0.8670833333333333,
"f1": 0.8468554968795007,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9991666666666666,
"cross_boundary_recall": 0.735
}
],
"paired_test": {
"threshold": 0.7,
"accuracy": 0.9745833333333334,
"f1": 0.9747202652300041,
"roc_auc": 0.9961590277777778,
"single_symbol_recall": 0.9691666666666666,
"cross_boundary_recall": 0.98
},
"history": [
{
"epoch": 1,
"loss": 0.7434914708137512,
"threshold": 0.5,
"accuracy": 0.7,
"f1": 0.7383720930232558,
"roc_auc": 0.7528013888888889,
"single_symbol_recall": 0.5533333333333333,
"cross_boundary_recall": 0.8466666666666667
},
{
"epoch": 2,
"loss": 0.5346148610115051,
"threshold": 0.5,
"accuracy": 0.7941666666666667,
"f1": 0.7879828326180257,
"roc_auc": 0.8815125,
"single_symbol_recall": 0.8233333333333334,
"cross_boundary_recall": 0.765
},
{
"epoch": 3,
"loss": 0.40928400456905367,
"threshold": 0.5,
"accuracy": 0.8520833333333333,
"f1": 0.864244741873805,
"roc_auc": 0.9366020833333334,
"single_symbol_recall": 0.7625,
"cross_boundary_recall": 0.9416666666666667
},
{
"epoch": 4,
"loss": 0.3337248772382736,
"threshold": 0.5,
"accuracy": 0.8808333333333334,
"f1": 0.8841166936790924,
"roc_auc": 0.9565666666666667,
"single_symbol_recall": 0.8525,
"cross_boundary_recall": 0.9091666666666667
},
{
"epoch": 5,
"loss": 0.2832861453294754,
"threshold": 0.5,
"accuracy": 0.895,
"f1": 0.9015625,
"roc_auc": 0.9688583333333334,
"single_symbol_recall": 0.8283333333333334,
"cross_boundary_recall": 0.9616666666666667
},
{
"epoch": 6,
"loss": 0.25244007259607315,
"threshold": 0.5,
"accuracy": 0.9154166666666667,
"f1": 0.9177804779262859,
"roc_auc": 0.9762722222222222,
"single_symbol_recall": 0.8866666666666667,
"cross_boundary_recall": 0.9441666666666667
},
{
"epoch": 7,
"loss": 0.22564193457365037,
"threshold": 0.5,
"accuracy": 0.9166666666666666,
"f1": 0.9211977935382191,
"roc_auc": 0.9816902777777778,
"single_symbol_recall": 0.8591666666666666,
"cross_boundary_recall": 0.9741666666666666
},
{
"epoch": 8,
"loss": 0.20668963938951493,
"threshold": 0.5,
"accuracy": 0.9379166666666666,
"f1": 0.9394062627084181,
"roc_auc": 0.9854291666666668,
"single_symbol_recall": 0.9133333333333333,
"cross_boundary_recall": 0.9625
},
{
"epoch": 9,
"loss": 0.19023580104112625,
"threshold": 0.5,
"accuracy": 0.9345833333333333,
"f1": 0.9374252690314866,
"roc_auc": 0.9880465277777778,
"single_symbol_recall": 0.8891666666666667,
"cross_boundary_recall": 0.98
},
{
"epoch": 10,
"loss": 0.1746956154704094,
"threshold": 0.5,
"accuracy": 0.945,
"f1": 0.9465587044534413,
"roc_auc": 0.9898861111111111,
"single_symbol_recall": 0.9158333333333334,
"cross_boundary_recall": 0.9741666666666666
},
{
"epoch": 11,
"loss": 0.16461078822612762,
"threshold": 0.5,
"accuracy": 0.9466666666666667,
"f1": 0.9484702093397746,
"roc_auc": 0.9912979166666666,
"single_symbol_recall": 0.9116666666666666,
"cross_boundary_recall": 0.9816666666666667
},
{
"epoch": 12,
"loss": 0.15328374207019807,
"threshold": 0.5,
"accuracy": 0.9520833333333333,
"f1": 0.9533468559837728,
"roc_auc": 0.9924458333333332,
"single_symbol_recall": 0.925,
"cross_boundary_recall": 0.9791666666666666
},
{
"epoch": 13,
"loss": 0.14506671577692032,
"threshold": 0.5,
"accuracy": 0.9525,
"f1": 0.9539579967689822,
"roc_auc": 0.9933388888888889,
"single_symbol_recall": 0.9208333333333333,
"cross_boundary_recall": 0.9841666666666666
},
{
"epoch": 14,
"loss": 0.13347949013113974,
"threshold": 0.5,
"accuracy": 0.9579166666666666,
"f1": 0.9589263928426189,
"roc_auc": 0.9940423611111111,
"single_symbol_recall": 0.9333333333333333,
"cross_boundary_recall": 0.9825
},
{
"epoch": 15,
"loss": 0.12868507876992225,
"threshold": 0.5,
"accuracy": 0.9583333333333334,
"f1": 0.9593826157595451,
"roc_auc": 0.9946159722222223,
"single_symbol_recall": 0.9325,
"cross_boundary_recall": 0.9841666666666666
},
{
"epoch": 16,
"loss": 0.12530820369720458,
"threshold": 0.5,
"accuracy": 0.9591666666666666,
"f1": 0.9602595296025953,
"roc_auc": 0.9950888888888889,
"single_symbol_recall": 0.9316666666666666,
"cross_boundary_recall": 0.9866666666666667
},
{
"epoch": 17,
"loss": 0.11779272481799126,
"threshold": 0.5,
"accuracy": 0.9604166666666667,
"f1": 0.9614291514413317,
"roc_auc": 0.9955541666666667,
"single_symbol_recall": 0.9341666666666667,
"cross_boundary_recall": 0.9866666666666667
},
{
"epoch": 18,
"loss": 0.112089092284441,
"threshold": 0.5,
"accuracy": 0.9620833333333333,
"f1": 0.963023161316538,
"roc_auc": 0.9959576388888888,
"single_symbol_recall": 0.9366666666666666,
"cross_boundary_recall": 0.9875
},
{
"epoch": 19,
"loss": 0.11090088337659836,
"threshold": 0.5,
"accuracy": 0.9629166666666666,
"f1": 0.9637769637769638,
"roc_auc": 0.9962298611111111,
"single_symbol_recall": 0.9391666666666667,
"cross_boundary_recall": 0.9866666666666667
},
{
"epoch": 20,
"loss": 0.10360381305217743,
"threshold": 0.5,
"accuracy": 0.96375,
"f1": 0.9647058823529412,
"roc_auc": 0.9964770833333333,
"single_symbol_recall": 0.9366666666666666,
"cross_boundary_recall": 0.9908333333333333
}
],
"non_regression": {
"exact_logit_max_abs": 0.0,
"family_logit_max_abs": 0.0
},
"checkpoint": "research\\runs\\math_ink_06_p_boundary_auxiliary_fullsmoke_20260724\\boundary_auxiliary_head.pt",
"checkpoint_sha256": "346daa77c4603debe25a3e14c16f9affd1b83f29a43304ecba6c27fe58fb3a74",
"interpretation_limit": "승인 paired 고립기호를 합성 배치한 boundary proxy smoke이며 실제 연속식 writer/device 제품 gate가 아니다.",
"track": "P_with_obligations",
"product_validation": false
}