# Bedømmelsesark: et lille induktionsforsøg

Dette ark hjælper en fagperson med at gennemgå den afgrænsede opgave i `induction-study.md`. Det er ikke en eksamen eller en vurdering af jobparathed. Bedøm deltagerens eget notat og resultater, ikke standardskabelonen alene. Registrér hvilken hjælp der blev brugt, og lad deltageren vælge, hvilke filer der deles.

**Deltagerkode:** __________  **Bedømmer:** __________  **Dato:** __________

**Modtagne filer og eventuelle mangler:** __________________________________

Brug for hvert punkt **0** (væsentlige fejl eller manglende svar), **1** (delvist underbygget), **2** (klart og underbygget) eller **U** (ikke muligt at bedømme med det modtagne materiale). Skriv en konkret henvisning og begrundelse; U er ikke 0.

1. **Påstand og udvælgelse:** Angiver notatet påstanden, udvælgelsesfølgen, det valgte head og en forventet retning for effekten? Forklarer det, at headet blev valgt efter attention på udvælgelsesfølgen, og hvad der ville udfordre påstanden? En fil kan ændres og beviser ikke, hvornår planen blev skrevet.
   Score: ___  Henvisning og begrundelse: __________________________________
2. **Resultater og baseline:** Sammenlign mindst én navngiven testfølge med dens rå resultat. Er baseline-tab og tab efter nulstilling korrekt adskilt, og er ændringens fortegn korrekt? Et positivt Δ betyder her højere gennemsnitligt tab efter indgrebet. Kontrollér også, at rapporten ikke omtaler én følge som en uafhængig modelkørsel.
   Score: ___  Henvisning og begrundelse: __________________________________
3. **Kontroller og gentagelse:** Sammenlignes to forskellige kontrolheads med det valgte head på de samme følger? Er det nye sæt seeds og eventuelle afvigende resultater med? Forskellige seeds er ikke alene en garanti for uafhængige data eller bred repræsentativitet.
   Score: ___  Henvisning og begrundelse: __________________________________
4. **Fortolkning og modbevis:** Skelner notatet mellem attention-mønster, effekt af at nulstille headet og en egentlig mekanistisk forklaring? Beskriver det mindst ét resultat eller en mulig observation, der ville udfordre fortolkningen, samt risikoen for unaturlige aktiveringer ved nulstilling?
   Score: ___  Henvisning og begrundelse: __________________________________
5. **Efterprøvning og næste forsøg:** Findes modelrevision, programversioner eller hashes, seeds, kontrolvalg og relevante kommandoer, samt et konkret næste inputdesign eller mål med forventet modbevisende udfald? Hashes kontrollerer ikke i sig selv filens ophav.
   Score: ___  Henvisning og begrundelse: __________________________________

## Stikprøvekontrol i en resultatfil

Åbn en betroet `induction-replication`-JSON som tekst. For første testfølge findes seedet i `base.test_seed`, valgt head i `base.selected` og kontrol i `base.control`. Beregn gennemsnittet af `base.test.selected_ablation_loss` minus gennemsnittet af `base.test.repeated_loss`. Gentag med `control_ablation_loss` for kontrolheadet. De øvrige følger står i `more` med tilsvarende tabsfelter. Begge sammenligninger skal bruge samme følge og positionssæt. Hvis notatet sammenligner to kontrolfiler, kontrollér også modelrevision, udvælgelses- og testfølger samt baseline og valgt indgreb; filer kan redigeres.

Angiv ét faktisk kontrolleret tal og filnavn: ______________________________

**Alvorlige faglige fejl eller manglende evidens:** __________________________

**Hvad bør deltageren undersøge næste gang?** _______________________________

En eller to positive scorer viser ikke, at en person kan reproducere bred forskningslitteratur eller arbejde på en større model. To uafhængige bedømmere bør først score hver for sig og bevare uenigheder. Et lille antal syntetiske følger og ét checkpoint begrænser konklusionen.
