Teacher × Virtuanalytica
Een leraar die 's nachts voorbereidt
Naast Toddler werkt 's nachts een leraar. Hij bedenkt oefenstof, toetst wat geleerd is en schrijft eigen lesmateriaal. Virtuanalytica begrenst elke batch; controles en een menselijke reviewer bepalen wat daarna gebruikt mag worden.
Documentatie: de Toddler-generatieproef · de promotiepoort · JEV en CLM bij Toddler · de geplande Preschooler-modelfamilie.
Waarom 's nachts?
Een groot model zoals Kimi K2.5 is op onze machine te traag om mee te praten: ongeveer 1,2 woorddelen per seconde. Voor lesstof die morgen klaar moet zijn, maakt dat niet uit. Daarom krijgt het grote model de rol van leraar die in batches werkt, terwijl de snellere modellen overdag het gesprek voeren. De gemeten snelheid is een lokale momentopname, geen vaste eigenschap van het model.
Drie niveaus, drie leraren
Toddler-leraar
Stelt trainingsschema's voor (welke taken, hoeveel stappen, hoe een nieuwe generatie erft) en kiest moeilijkere doolhoven. Elk doolhof wordt echt opgestart en getest: bestaat het, past het bij Toddlers ogen en handen, en is het echt moeilijker?
Agent-leraar
Maakt oefenitems per publiek leerdoel voor afgeleide agents, zoals een data-analist. Een afzonderlijke toets kan later een competentie-CV vullen met score, onzekerheidsmarge, datum, itemhash en stamboomversie. Antwoordsleutels moeten onafhankelijk zijn gecontroleerd.
Tutor voor mensen
Helpt een mens naar een echte mijlpaal, zoals het Databricks Data Analyst-certificaat. De tutor bewaart oefenhistorie, plant herhaling per leerdoel en toont waar nog oefening nodig is. Het officiële examen doe je zelf.
Van lesplan naar een getoetste Toddler
Teacher leverde een curriculumvoorstel voor Toddler: een volgorde van taken en trainingsstappen. Toddler heeft het voorstel op 8 oktober 2026 als G4-proef uitgevoerd, naast een controlegroep met hetzelfde aantal stappen per taak. Beide groepen begonnen met dezelfde vijf G2-ouders. Een extra herhalingsronde zorgde dat alle negen taken aan bod kwamen.
| Gemeten op nieuwe geheime seeds | Totaalscore (IQM) | Besluit |
|---|---|---|
| G4 met Teacher-schema | 0,488 | Niet gepromoveerd |
| Gelijkwaardige afwisselende controle | 0,480 | Vergelijkingsgroep |
| Bestaande G2, op deze historische toets | 0,770 | Toenmalige referentie |
De Teacher-proef haalde p = 1,000 tegenover G2 en p = 0,421 tegenover de controle; de vooraf vastgelegde grens was p < 0,05. Dit is een gemeten mislukking van dit schema, geen bewijs dat elke curriculumaanpak faalt. De taakexpert-router van Toddler was een aparte G4-proef en haalde evenmin de promotiepoort.
Een latere her-G3-proef van Toddler combineerde bestaande taakexperts op een nieuwe manier en passeerde de statistische poort op twee nieuwe geheime toetsen. Na de vastgelegde originator-review werd G3-recombined de officiële overlevende generatie. De daaropvolgende G4-oracleproef faalde op één van twee afgeschermde sets en werd niet gepromoveerd. Dit zijn historische uitkomsten van andere, eerdere cohorten.
Latere G4-search-uitkomst: op 10 oktober 2026 haalde een nieuw, vooraf vastgezet cohort met vijf kinderen beide onafhankelijke private navigatietoetsen van 30 gematchte seeds. De score was 1,0565 tegenover 0,9691 voor G3 op de eerste set en 1,0553 tegenover 0,9672 op de tweede (beide p < 0,01). De lineage-audit registreert G4-search als survived voor navigatie. Taal, rekenen, softwarewerk en fysieke bediening blijven aparte, niet-gepromoveerde toetsbanen. Bekijk de geaggregeerde resultaten.
De G4-zoekcode vergeleek in begrensde rondes vijf nieuwe kinderen: hij vergeleek G2-overdracht, verder leren uit de G3-specialist en netwerken met andere breedtes. Een gekozen specialist kan de volgende nacht als startpunt dienen. Op 10 oktober verbeterden vier van vijf kindroutes op twee gescheiden openbare kaartsets; het vijfde bleef bij G3. Daarom is voor dit cohort geen nieuwe geheime toets gestart. Bekijk de generatiekaart en de resultaten.
Een tweede openbare ronde voegde een PPO-kandidaat toe die van eigen simulatoracties en beloning leerde, plus verder leren vanaf de vorige kandidaatgewichten. De vier verbeterde routes bleven vooruitgaan; voor het eerste kind bleef G3 beter. Dezelfde openbare kaarten waren al bekeken, dus deze ronde is ontwikkelonderzoek en geen nieuwe onafhankelijke bevestiging.
G5-feedbackproef: Teacher heeft 27 gecontroleerde openbare rekenvoorbeelden voor drie vraagvormen in Engels, Nederlands en geschreven Kantonees gemaakt. Een Toddler-kandidaat leerde daaruit rekenregels en verbeterde op 108 openbare vragen met dezelfde vormen en nieuwe getallen van 0,2685 naar 1,0000. Vijf kandidaatkinderen behielden hun gecontroleerde G4-navigatieouders. Dit bewijst geen brede rekenvaardigheid of G5-promotie: nieuwe, onafhankelijk beheerde toetsen en navigatieretentie blijven nodig. Een latere diagnose met anders geformuleerde rekenvragen gaf G4 en G5 allebei 33/108. De eerste les leverde daarmee nog geen aantoonbare taaloverdracht op. Lees het lesprotocol.
Vervolg: Teacher maakte 81 nieuwe gecontroleerde oefenitems en 108 openbare controleitems met aparte zinsvormen. De tweede G5-kandidaat leerde de bewerking uit geverifieerde antwoorden. Op een daarna verzegelde diagnose met nieuwe parafrases haalde die kandidaat 67/108 tegenover 32/108 voor G4. Dit is eerste overdrachtswinst voor deze rekenfamilie; bredere cognitieve retentie, moedertaalreview voor Kantonees en onafhankelijke generatiebevestiging ontbreken nog.
Bevestiging: twee nieuwe afgeschermde rekenfamilies van elk 72 items haalden 38/72 en 47/72 voor de kandidaat, tegenover 18/72 en 19/72 voor G4. De eerste familie bleef onder de vooraf vastgelegde vloer van 44/72. Daarom is de conjunctieve poort failed hold en is geen G5-promotie geregistreerd. Teacher mag deze families niet hergebruiken voor training; private vragen en seeds blijven buiten Git.
G5.1 curriculum: Teacher heeft 144 nieuwe openbare ontwikkelitems gebouwd met gescheiden taal- en bewerkingscellen. De Nederlandse tekst staat bewust op pending native review. Toddler koos publiek de hashing-SGD-variant (54/72 tegenover 19/72 voor G4); dit is geen promotie en geen bewijs buiten deze rekencheck.
Wanneer is een nieuwe generatie echt beter?
- Voor de proef: zet de kandidaat, ouders, negen taken, stappenbudgetten, controles en geheime toetsseeds vast. Openbare resultaten mogen een volgend lesplan vormen; de geheime toets niet.
- Tijdens de proef: train minstens vijf onafhankelijke runs per groep, met hetzelfde budget voor kandidaat en controle. Toets of eerdere vaardigheden behouden blijven.
- Na de proef: eis de vooraf vastgelegde grens én minstens 75% kans op verbetering volgens de vastgelegde toets. Voor G4-search was de grens p < 0,01 op beide nieuwe sets. Rapporteer ook taken waarop de kandidaat achteruitging. Alleen een geslaagde kandidaat mag na een controleerbare lineage-import officieel overleven; na de G3-originator- handtekening is geen aparte menselijke deploymenthandtekening vereist.
De volgende curriculumplanner in de Toddler-ontwikkelcode begint en eindigt met alle taken en geeft zwakke taken extra oefentijd op basis van openbare scores. Dat is een nieuwe hypothese: uit dit specifieke planner-idee is nog geen afzonderlijk bevestigde generatie voortgekomen. Zie de uitleg over het curriculum en de generaties.
De stack en de nachtcyclus
Naast de navigatieleerling heeft Teacher nu een zoekpoort voor de lokale LLM-modelmix. Hij rekent
alleen met nieuwe openbare anti-contaminatie-ontwikkelmetingen, inclusief kwaliteit, antwoordtijd,
t/s, GPU-board-energie en VRAM. Die vergelijkbare export ontbreekt nog. De nachtelijke status is
daarom waiting_for_public_development_export; afgesloten private scores en de oude
publieke full suite worden niet als oefendata gebruikt.
Teacher gebruikt Python en een lokaal OpenAI-compatibel model-API. Virtuanalytica controleert eerst of de machine ruimte heeft, start Teacher in een begrensde systemd-scope en registreert de afloop in een append-only logboek. JSON-manifests maken lesmateriaal herleidbaar; Git dient voor review van syllabi.
- Plan: selecteer openbare leerdoelen, een budget en een private toetsset die nooit naar het model gaat.
- Draai: controleer hostdruk; begrens CPU, geheugen, processen en looptijd.
- Controleer: valideer taak of leerdoel, toets op lekkage en controleer originaliteit.
- Leg vast: bewaar geaccepteerde en afgewezen voorstellen met redenen, hashes en modelversie.
- Beoordeel: een mens kiest welke voorstellen naar Toddler, een agent, een tutor of een syllabus-PR gaan.
De modelserver is een apart proces. Voor onbeheerde nachtproductie heeft ook die server een eigen GPU- en geheugenbeleid nodig.
Syllabi: altijd eigen materiaal
Leraren schrijven per leertraject een syllabus: modules, lessen en oefeningen, in hun eigen woorden. Bronnen zoals examengidsen en documentatie staan er alleen als verwijzing in. De batch zet bestanden in staging. Na review kan een aparte stap er een Git-branch en pull request van maken.
Gepubliceerde syllabi krijgen de licentie CC BY 4.0, zodat anderen de lesstof ook kunnen gebruiken. Wat publiek is, gebruiken we nooit meer als geheime toets.
De poortwachters
| Controle | Wat die tegenhoudt |
|---|---|
| Echtheid | Taken die niet bestaan, onmogelijke drempels, vragen zonder vier verschillende antwoordopties of aangewezen antwoord, leerdoelen zonder openbare bron. Inhoudelijke juistheid vraagt nog een onafhankelijke controle. |
| Lekkage | Tekst die overlapt met de geheime toetsset, en elk getal uit de evaluatie- of geheime seeds van Toddler. |
| Originaliteit | Lesstof met een letterlijk overgenomen reeks van tien woorden uit een bron. |
| Staging | Niets gaat vanzelf naar Toddler of een agent: alles landt eerst in een map met een manifest (model, hashes, tijden, redenen). |
Wat werkt al, en wat volgt?
| Onderdeel | Status | Volgende stap |
|---|---|---|
| Genereren en valideren | Werkend | De SQL-demo voegt een tweede model en duplicaatcontrole toe; nieuwe batches wachten op begrensde modelservers. |
| Virtuanalytica voor Teacher | Lokale koppeling | Modelserver apart begrenzen en een volledige nachtproef draaien. |
| Toddler-generaties | G4-search overleeft op navigatie | Een G5-zoeklus moet eerst G4 als ouder nemen, een nieuwe toetsfamilie vastzetten en de eigen timer krijgen; cognitie, software en fysieke taken houden aparte promotiepoorten. |
| Competentie-CV en tutor | Losse API's | Gevalideerde items verbinden met echte toets- en oefenresultaten. |
| Syllabus-publicatie | Reviewfunctie | Reviewbesluit, branch en PR tot één controleerbaar proces maken. |
Nieuwe toetsing voor software en data
Teacher kan later plannen en reviews leveren aan Toddler + Teacher + een specialistische agent op ClaudeClaw. Om te weten of die combinatie werkelijk betere software maakt, meten we eerst de losse modellen op vier softwaretaken (coder, reviewer, architect, debugger) en vier datataken (data engineer, analyst, architect, steward). De vragen, sleutels en verborgen testgevallen staan buiten de openbare code; alleen een vooraf vastgelegde hash gaat naar de repository.
| Onderdeel | Wat er nu is | Wat nog bewezen moet worden |
|---|---|---|
| Modeltoets | Een private pilot met twee items per rol en aparte software- en datatabellen in virtualv_llm. | Grotere, verse en onafhankelijk beheerde toetssets; de kleine pilot bepaalt geen rangorde. |
| Teacher-review | Staging, controles en een herleidbaar manifest voor curriculum en oefenstof. | Een gepaarde vergelijking van echte, gecontroleerde softwaretaken met en zonder Teacher. |
| ClaudeClaw-agent | Een vastgelegde bewijsgrens voor de volledige Toddler + Teacher + agent-keten. | Minstens 73 afgeschermde taken per softwaremaker, onafhankelijke verificatie en geen toename van fouten na samenvoeging. |
De modelpilot is afgerond: Qwen3.8 Flash-Next haalde 8/8 software en 7/8 data; GLM-5.3-Flash REAP50 haalde 4/8 en 8/8; Qwen3.8 1Cat TP2 1.5.0 haalde 2/8 en 4/8. Haiku 5.5 medium sloot dezelfde cloud-toegestane set af met 8/8 en 8/8. De nieuwe 1Cat-versie 1.5.1 verbeterde de afzonderlijke stabiliteits- en inhoudsmeting, maar kreeg na Haiku geen toegang tot de gesloten software/data-set. De items van die afzonderlijke private inhoudsmeting zijn later via een eerdere publieke PR-revisie blootgesteld en worden voor nieuwe blinde tests vervangen. Twee vragen per rol en verschillende runtimes bewijzen geen winnaar. Op de vraag of Toddler + Teacher + agent op ClaudeClaw al betere software maakt, is het antwoord nee, nog niet bewezen.
Wat de leraar níet doet
Hij logt niet in op e-learningsites, haalt geen cursusvideo's of -teksten binnen en maakt geen examens. Een certificaat verklaart dat een persoon het examen zelf heeft gemaakt. Een agent-CV zegt daarom altijd "intern geverifieerd, afgestemd op de leerdoelen van …" en nooit "gecertificeerd".