[skip-build] 生成モデルの固定ratio感度実験と全結果を統合

docs/v3-adoption-gates.md

@@ -65,6 +65,10 @@ raw byte-bigram試作、SequenceModel形式契約、training仕様の精緻化
 他言語・別domain・大入力・incremental全体については、この結果から推測しない。
 generator基盤と非デフォルト観測targetは維持し、内部選抜の分析を次の課題にする。
 
+[専用tuningを用いたratio感度実験](v3-ratio-sensitivity.md)では、24録音で再学習した
+2 profileの因子0.90が事前基準を満たした。ただしこれは8録音のtuning内で選んだ候補であり、
+標準採用の保留は維持する。旧32録音版と再学習・ratio変更版の結果を混同しない。
+
 ## 互換性とmigration
 
 v3では必要な破壊的変更を許容する方針だが、現段階で具体的な公開API変更を決めたわけではない。

docs/v3-ratio-sensitivity.md

@@ -0,0 +1,53 @@
+<!-- SPDX-License-Identifier: MIT -->
+# 生成Frenchモデルのratio感度実験
+
+## 結論と適用範囲
+
+24録音から生成したidentity / filtered modelの両方で、ratio因子0.90が次段階の候補となった。
+ただし8録音のtuning上で選んだ結果であり、未使用dataの精度・確率校正・標準採用を
+証明するものではない。既存model、公開API、engine共通の係数は変更していない。
+
+## 事前固定と結果
+
+[uchardet PR #41](https://github.com/PyYoshi/uchardet/pull/41)の`fa32d55`で、予測前に
+4因子と採否基準を固定した。詳細はnativeの`models/experimental/RATIO_VARIANT.ja.md`。
+親モデルと[tuning baseline](v3-tuning-corpus.md)をhashで固定し、同じ16入力を全条件で使用。
+生成modelのratioのみ変更し、byte order / category table / 他modelは維持した。
+
+cp1252の母数は各8入力。全条件でUTF-8 exact/decode-equivalentは8/8、
+language一致は両encodingで各8/8。範囲外confidenceは全16入力の全候補から数える。
+
+| model | 因子 | cp1252 exact | decode-equivalent | 範囲外confidence | 判定 |
+| --- | ---: | ---: | ---: | ---: | --- |
+| identity | 1.00 | 1 | 4 | 0 | 対照 |
+| identity | 0.95 | 4 | 7 | 0 | 適格 |
+| identity | 0.90 | 8 | 8 | 0 | 次段階候補 |
+| identity | 0.80 | 8 | 8 | 1 | 不採択 |
+| filtered | 1.00 | 2 | 5 | 0 | 対照 |
+| filtered | 0.95 | 5 | 7 | 0 | 適格 |
+| filtered | 0.90 | 8 | 8 | 0 | 次段階候補 |
+| filtered | 0.80 | 8 | 8 | 2 | 不採択 |
+
+採否条件はcp1252のdecode-equivalent改善、UTF-8とlanguageの非悪化、全confidenceが
+有限かつ[0,1]内であること。適格候補はdecode-equivalent、exact、因子が1に近い順で選んだ。
+0.80の値はclampしておらず、精度だけを見て採用することも避けた。
+この選択はprofile間の優劣を決めるものではない。
+
+## 再現性
+
+標準targetは保存したlegacy baseline、因子1は各profileのbaselineと候補・confidence bits・
+done観測が完全一致した。8条件すべてを2回観測し、report全体がbyte一致した。
+nativeの関連100テストは実験targetの試験を含め成功している。
+
+private report: `archives/v3-corpus/paris24-ratio-sweep-v1.json`。
+content hash: `8ebbe3a8e939488bf89aa1fa2c3d6169a494c99e2cf23faf9dc37419f93cd6d6`。
+全候補、採否、親model、変換tool、build source/binaryのprovenanceをreportへ保持する。
+再現コマンドはnativeの`ratio_sweep.py IDENTITY FILTERED MANIFEST BASELINE BUILDS OUTPUT`。
+引数には24録音版model、新training/tuning manifest、固定baselineを使う。
+
+## 残る検証
+
+同じtuningで候補gridを増やしたり、0.90の周辺を微調整したりしない。
+次段階では因子を固定したまま、未使用data、incremental、性能、confidenceの妥当性、
+他言語・encodingへの影響を検証する。今回はvalidationの新たな予測と独立holdoutの
+開封は行っていない。生成modelの配布条件も未確定で、P01の保留を維持する。