문자열 동등으로 재검증

"이 citation 이 여전히 정직해? 그 질문은 기계가, 기계적으로, 영원히 답할 수 있어야 하고 — 그건 그게 의미에 관한 질문일 수 없다는 뜻이야."

Citation 이 여전히 성립해?

2년 전에 passage 를 고정하고 그 위에 claim 을 지었어. 그 뒤 소스 에세이가 열 번 편집됐어. 그래서: 네 citation 이 여전히 네가 말한 걸 가리켜? 이게 재검증이 답하는 질문이고, 수천 개 citation 에 대해, 요구 시, 사람이 아무것도 안 읽고 답해야 해. 그건 답이 계산 가능해야 한다는 뜻이고 — 그 제약이 설계 전체를 정해.

세 상태, 문자열 동등으로 결정

재검증은 passage 의 고정된 텍스트를 현재 소스와 비교하고, 정확히 세 상태 중 하나를 돌려줘:

Live — 고정된 텍스트가 기록된 offset 에 여전히 앉아 있어. 아무것도 안 움직였어. citation 은 만든 날만큼 정확히 참이야.
Reanchored — 문서가 바뀌었는데(그래서 offset 이 틀렸는데), 고정된 텍스트가 그 안 다른 데서 유일하게 발견돼. 단어는 살아남았고, 그냥 옮겨졌어. 엔진이 offset 을 안전히 업데이트할 수 있어, 유일한 정확 매치는 모호하지 않으니까.
Drifted — 정확한 고정 텍스트가 소스에 아예 없어. 단어가 사라졌거나 바뀌었어. 엔진은 이걸 보고하고 그 외 아무것도 안 해.

그게 상태 기계 전부야. 모든 결정이 문자열의 == 야.

어떤 모델도 의미를 판단 안 해

눈에 띄게 없는 걸 봐: fuzzy 매칭 없음, 유사도 임계값 없음, 임베딩 비교 없음, 그리고 무엇보다 "이게 전과 대충 같아?" 라고 묻는 모델 없음. 여기선 그게 재앙일 거야. citation 의 유효성이 모델의 의견에 의존하는 순간, 네 증거는 그 모델의 기분만큼만 안정적이고 — 같은 citation 이 어떤 텍스트 변경도 없이 오늘 검증되고 내일 실패할 수 있어. 결정론-먼저는 레이어가 철학적이 됐다고 버려지지 않아. 검증은 정확 매치거나 아무것도 아니야.

검증은 기계적이어야 해, 아니면 검증이 아냐. 확인에 판단이 필요한 순간, 그건 확인이길 그만두고 리뷰가 필요한 또 하나의 의견이 돼. 멍청한 기계가 백만 번 돌려도 항상 자기와 일치하게 무결성 확인을 설계해. 정확 동등은 안 화려하고 살짝 부서지기 쉬워 — 쉼표 하나 바뀌면 live 가 drifted 로 뒤집혀 — 근데 제품 전체가 믿음직함인 시스템에선 부서지기-쉽고-정직한 게 유연하고-책임 없는 걸 매번 이겨.

Drift 는 나아

순수 문자열 동등의 조용히 우아한 결과가 여기 있어: drifted 는 사형 선고가 아냐. 재검증이 파괴적 동작을 아예 안 하니까 — 보고만 하니까 — drift 한 citation 은 삭제되거나 영구히 깨졌다 표시되지 않아. 그냥 상태야. 나중에 누가 그 편집을 되돌리거나 문단을 복원하면, 바로 다음 재검증이 정확한 텍스트를 다시 찾고 citation 이 곧장 live 로 돌아가. 아무것도 수리할 필요가 없었어, 아무것도 손상된 적이 없으니까. 상태는 항상 현재 현실에서 재계산되지, 절대 패치 안 돼. 증거 레이어에서도, 답은 수리가 아니라 파생이야.

Code

세 상태, 순수 문자열 동등, 파괴적 동작 없음·python

def revalidate(passage) -> str:
    """Is this citation still honest? Decided by string equality — nothing else."""
    text = read_current_source(passage.corpus_id, passage.doc_relpath)

    # 1. LIVE — the pinned text is still exactly where we recorded it.
    if text[passage.char_start:passage.char_end] == passage.text:
        return "live"

    # 2. REANCHORED — the doc moved, but the exact words are uniquely findable.
    if text.count(passage.text) == 1:          # unique == unambiguous == safe
        new_start = text.index(passage.text)
        update_offsets(passage, new_start, new_start + len(passage.text))
        return "reanchored"

    # 3. DRIFTED — the exact text isn't there. Report it; destroy nothing.
    return "drifted"

# Note the absence: no fuzzy match, no similarity score, no model asked
# "is this close enough?". And because nothing is destroyed, if the text ever
# returns, the next revalidation reports "live" again. Drift heals.

Exercise

문서에서 저장한 인용구를 상상하고, 그 문서가 편집된다고 상상해. 세 확인을 순서대로 적어: 인용구가 여전히 같은 자리에 있어? 아니면, 다른 데 정확히 한 번 나타나? 아니면, drift 보고. 이제 솔깃한 네 번째 옵션을 생각해 — '정확하진 않은데 충분히 비슷해 보이니 받아들이자.' 그 옵션을 더하면 왜 나머지 셋의 가치가 파괴되는지 한 문장으로 설명해.

Hint

'충분히 비슷' 이 허용되는 순간, 모든 검증 결과가 판단이 되고, 리포트가 소스에 대한 증거이길 그만두고 소스에 대한 의견이 돼. 정확 매칭의 부서지기 쉬움이 바로 'live' 결과를 뭔가 의미하게 만드는 거야.