🧸🤖

Hoe Toddler leert

Toddler is een kleine computerhulp die nog moet leren. Net als een peuter. Op deze pagina zie je waarom Toddler iets doet (de winstfunctie) en hoe Toddler leert wat goed is (de rewardfunctie).

Verder lezen: curriculum en generaties · JEV, CLM en veiligheid · van brein naar AI · technische architectuur · Teacher · Preschooler: de geplande modelfamilie · Virtuanalytica.

1. Twee vragen, twee functies

🍪

Rewardfunctie: "Krijg ik een koekje?"

Na elke klus hoort Toddler meteen: goed gedaan, of niet. Dat is het koekje. Zo leert Toddler wat goed gedrag is.

🌳

Winstfunctie: "Is de wereld er beter van?"

Aan het eind van de week tellen we: heeft Toddler meer geholpen dan het heeft gekost? Dat is de winst. Zo weten wij of Toddler de moeite waard is.

Het verschil: het koekje komt meteen en is voor Toddler om van te leren. De winst tellen we later en is voor de grote mensen om te beslissen.

2. De rewardfunctie: koekjes en rode kaarten

Een peuter leert sneller met een dierenkoekje als beloning. Toddler ook. Maar een slimme peuter gaat soms koekjes "jatten" zonder echt te helpen. Daarom zitten er ook rode kaarten in, en een grote mens die meekijkt.

Wat gebeurt er?	Punten	Uitleg voor een kleuter
Klus goed gedaan, en de controleur zegt "klopt"	+1	🍪 Koekje!
Iets nieuws geleerd dat later helpt	+0,1	🔍 Nieuwsgierig zijn is fijn.
Eerlijk zeggen "dit weet ik niet"	+0,2	🙋 Vragen is slim, raden niet.
Klus fout gedaan	-1	😕 Geen koekje, nog een keer proberen.
Veel stroom of geld verbruikt	-kosten	🔋 Niet de hele doos leeg eten.
Doen alsof iets klaar is terwijl het niet zo is	-5	🤥 Jokken mag niet.

beloning = één van deze vier: +1 goed gedaan (de controleur zegt "klopt") +0,2 eerlijk "ik weet het niet" -1 fout -5 gejokt ("klaar" terwijl het niet klopt) + 0,1 als Toddler iets nieuws leerde - kosten (stroom, tijd, geld)

🛑 De STOP-regels zijn géén punten

Sommige dingen mag Toddler nooit, hoeveel koekjes het ook oplevert: wachtwoorden laten zien, iemand pijn doen, zonder toestemming iets kopen of versturen, en (later) een baby of oudere aanraken zonder dat een verzorger erbij is. Dat zijn geen min-punten, want dan zou Toddler kunnen gaan rekenen of het "het waard is". Het zijn muren. Toddler stopt en vraagt het aan een grote mens.

3. De winstfunctie: is het de moeite waard?

De winst rekenen we uit over een hele week. Wat heeft Toddler opgeleverd, min wat het heeft gekost, min de risico's.

winst = waarde van het geholpen werk - kosten (stroom + rekenkracht + abonnementen) - tijd die mensen kwijt waren aan controleren - risico (kans op een fout × hoe erg die fout is)

🧺

Waarde

Hoeveel tijd heeft Toddler ons bespaard? Een uur opzoekwerk dat Toddler goed doet, is een uur waarde.

⚡

Kosten

Een mensenbrein werkt op ongeveer 20 watt, zo veel als een klein lampje. Een computer die Go speelt, gebruikte er ongeveer 1 miljoen. Zuinig zijn telt mee.

🧯

Risico

Een kleine fout is niet erg. Een grote fout wel. Hoe groter wat Toddler mag doen, hoe zwaarder het risico weegt.

Waarom twee functies? Als Toddler alleen naar de winst zou kijken, zou het misschien stiekem dingen overslaan om sneller klaar te zijn. Het koekje (reward) leert het goede gedrag, de winst laat zien of dat gedrag ook echt helpt.

4. Wat Toddler nu mag, en later

Fase	Wat Toddler doet	Belangrijkste koekje
0 · Nu	👀 Webpagina's en nieuws lezen en netjes opschrijven	Klopt wat Toddler opschreef met de bron?
1 · Later	🧠 Zelf plannen maken en hulpmiddelen gebruiken, steeds met een controleur	Is de klus goed gedaan én goedgekeurd?
2 · Later	📷 Kijken en luisteren (bijv. valdetectie), zonder aan te raken	Op tijd een seintje geven, geen vals alarm
3 · Veel later	🦾 Oefenen met een robot, eerst alleen in een computerspel-wereld	Veilig en voorzichtig, ook als het langzamer gaat

Elke nieuwe fase gaat pas open als een raad van controleurs en een grote mens "ja" zeggen. Alles wat Toddler doet, komt in een logboek dat niet stiekem veranderd kan worden.

5. Als Toddler valt: opstaan, zonder te jokken

Een peuter die leert lopen, valt soms. Dan staat hij op en probeert het nog eens, een beetje voorzichtiger. Toddler doet dat ook, met een vaste wachter die meekijkt.

🩹

Eerst kijken waarom

Viel Toddler omdat het te zwaar was (te weinig geheugen) of omdat het pad glad was (internet even weg)? Dan probeert het nog eens, maar lichter: minder tegelijk, of rustig op de gewone computer in plaats van de snelle videokaart.

🧱

Soms helpt opnieuw proberen niet

Als een puzzelstuk gewoon niet past, helpt nog eens drukken niet. Dan stopt Toddler meteen en zegt eerlijk wat er mis is, in plaats van eindeloos te blijven duwen.

🪑

Drie keer vallen = even op de bank

Valt dezelfde klus drie keer achter elkaar, dan gaat die klus "op de bank". Toddler doet hem niet meer tot een grote mens zegt: "probeer maar weer". En die grote mens moet zijn naam erbij zetten.

📒

Alles in het logboek

Elke val, elke nieuwe poging en elke keer op de bank komt in het logboek dat niet stiekem veranderd kan worden. Lukt het opschrijven een keer niet, dan zegt de wachter dat ook. Niets verdwijnt stilletjes.

Voor ontwikkelaars: de self-heal watchdog (toddler/selfheal.py)

Classificatie (classify_failure, puur, zonder I/O): exception + stderr → FailureKind (cuda_oom, host_oom, segfault, timeout, network, assertion, import_error, unknown) en een ernstband groen/oranje/rood.
Herstel (run_guarded): alleen herhaalbare soorten krijgen een nieuwe poging, en altijd met een kleiner budget (budgets=[{"threads": 4}, {"device": "cpu", "threads": 2}]). Deterministische fouten (assertion, import) worden niet herhaald. Retries blijven in hetzelfde proces, dus STOP-regels en de fail-closed resource-governor blijven gelden.
Quarantaine: drie mislukte runs op rij (niet pogingen) zetten de taak op disabled; volgende runs geven direct Outcome(disabled=True). Alleen reset_task(task, requested_by=..., reason=...) heft dat op; een succesvolle run doet dat niet.
Audit: elke crash, retry, herstel, quarantaine en reset gaat in de hash-chained audit trail (toddler.audit), standaard persistent in $TODDLER_SELFHEAL_AUDIT. De watchdog gooit nooit een exception, maar een mislukte audit-write staat in Outcome.audit_ok en audit_failures.
Grenzen: geen herstarts of configwijzigingen buiten het proces; KeyboardInterrupt/SystemExit gaan altijd door. Een cuda→cpu-fallback rond een leerrun is een andere methode-configuratie en moet in de vingerafdruk en de preregistratie vastgelegd worden.

6. Wat we leren van echte peuters

🐘

Peuters leren met heel weinig voorbeelden

Een kind ziet een olifant een paar keer en herkent hem daarna ook als knuffel of tekenfilm. Een computer heeft vaak duizenden tot miljoenen plaatjes nodig. Toddler moet dus slim leren met weinig voorbeelden, en eerlijk zeggen als het iets nog niet kent.

👶

Het begin telt

Onderzoekers maakten hersenscans van 120 pasgeboren baby's. Hoe de hersenen bij de geboorte verbonden waren, vormde vier groepen, en dat hing samen met hun gedrag op 2 en 4 jaar. Let op: dit gaat over echte babyhersenen, niet over computers. De les voor Toddler is wel dezelfde: goede regels moeten er vanaf het begin in zitten.

Voor de grote mensen: wat is wat?

Rewardfunctie: het directe leersignaal per stap of per taak (reinforcement learning). Ze bepaalt welk gedrag versterkt wordt. Gevaar: reward hacking, het signaal halen zonder het doel te bereiken. Daarom wordt "goed gedaan" niet door Toddler zelf maar door een onafhankelijke controleur (judge) vastgesteld, en zijn veiligheidsregels harde beperkingen in plaats van strafpunten.

Winstfunctie: de doelstelling op systeemniveau over een langere periode (waarde min kosten min risico). Ze wordt gebruikt om te beslissen of een fase doorgaat, niet om Toddler stap voor stap te trainen.

De getallen in de tabel zijn een startpunt om mee te beginnen, niet bewezen of afgesteld. Ze worden pas aangepast nadat metingen laten zien dat het beter werkt.

7. Oefenen zonder een oude vaardigheid te vergeten

Teacher mag een oefenplan voorstellen. Toddler traint daarmee in echte simulatietaken, waaronder CartPole, Acrobot en zeven MiniGrid-taken. Een nieuwe planner geeft elke taak een begin- en eindblok. De tussenliggende oefenblokken gaan vooral naar taken die op de openbare toets zwak zijn; geen taak kan het hele budget opeisen. Een controlegroep krijgt precies evenveel stappen per taak, maar oefent de taken afwisselend.

🧩

Vooraf vastleggen

Het plan, de ouders, de stappen per taak en de vergelijkingen worden vastgezet vóór de geheime toets. Geheime scores bepalen nooit welke taak extra oefening krijgt.

🔁

Oude vaardigheden bewaken

De eindronde herhaalt alle taken. De toets kijkt ook of Toddler eerdere taken nog kan. Meer oefenen telt pas als vooruitgang wanneer het op nieuwe toetsrondes beter werkt.

Welke generatie is nu geldig?

G3-recombined is nu de officiële overlevende generatie. Vijf kinderen zijn na twee afgeschermde toetsen en een ondertekende menselijke review in het generatieregister opgenomen. De eerdere G3-armen blijven uitgestorven zijtakken. Twee G4-proeven van 8 oktober 2026 zijn apart geregistreerd en hebben de promotiepoort niet gehaald. Het dashboard gebruikt de vastgelegde lineage-status; een proefmodel wordt niet stilzwijgend aan de officiële lijn toegevoegd.

Proef	Geheime totaalscore (IQM)	Uitkomst
Teacher-schema met herhaling	0,488 tegenover 0,770 voor G2	Geen promotie · p = 1,000 tegenover G2
Taakexperts per taak	0,889 tegenover 0,767 voor G2	Geen promotie · p = 0,155 tegenover G2

De proeven gebruikten verschillende geheime seedsets; daardoor verschillen ook hun G2-referenties (0,770 en 0,767). De tweede proef scoorde hoger op zijn eigen set, maar de vooraf vastgelegde statistische grens was p < 0,05 en is niet gehaald. Een volgende poging gebruikt minstens vijf onafhankelijke runs, een gelijkwaardig controlemodel en nieuwe, afgeschermde toetsseeds. Een geslaagde proef komt daarna pas voor menselijke review in aanmerking.

Her-G3: de overlevende opvolger

Na deze twee mislukte proeven is op 8 oktober een nieuw protocol vastgezet: per Toddler-kind kiest een route op basis van openbare taakscores een bestaande G2- of G3-expert. De vier oorspronkelijke taken blijven exact bij G2. Op dertig nieuwe geheime seeds haalde deze samengestelde kandidaat een totaalscore (IQM) van 0,945, tegenover 0,772 voor G2 en 0,843 voor een willekeurige route door dezelfde experts. De vijf-kind-toets passeerde beide promotievergelijkingen (p = 0,00397 en p = 0,01587). Met dezelfde gewichten en route werd dit bevestigd op een tweede geheime seedset (p = 0,00397 tegenover G2 en p = 0,02778 tegenover de controle).

De review is op 9 oktober 2026 ondertekend en de vijf exacte gewichten zijn met een controle van de afstammingsketen geïmporteerd. Er zijn geen nieuwe trainingsstappen uitgevoerd: bestaande beleidsmodellen zijn per taak gecombineerd. UnlockPickup bleef op de geheime toets onopgelost. De nieuwe generatie gebruikt ook meer opslag dan G2; een CPU-proef met één thread mat circa 0,058 ms per toestand tegenover 0,056 ms voor G2 op DoorKey-8. De opgeslagen gewichten zijn ongeveer vijf keer zo groot. Dit is een runtimecontrole, geen nieuwe kwaliteitstoets; energie per antwoord is nog onbekend.

Samen een sterkere Toddler bouwen

G3 was het laatste moment waarop originator Deve Luse persoonlijk de promotie ondertekende. Vanaf de volgende generatie kunnen onderzoekers op hun eigen computer een Toddler verbeteren en hun werkwijze als GitHub pull request indienen. Ze vermelden welke openbare of private modellen, gegevens en interacties de kandidaat hebben gevormd. Geheime toetsvragen en sleutels blijven buiten de repository.

Een samengevoegde bijdrage is nog geen overlevende generatie. Twee onafhankelijke, afgeschermde proeven vergelijken de kandidaat met een gelijkwaardige controle en zijn overlevende voorouders. Een oude vaardigheid die een voorouder beheerste, mag niet ongemerkt verloren gaan. Zo kan gedeelde kennis nieuwe Toddlers opleveren, met een controleerbaar spoor van wat echt beter werd.

8. Eerst stoppen, dan pas een slim antwoord

Voor een toekomstige fysieke Toddler bestaat een softwarematige reflexlaag. Gemeten kracht, snelheid en afstand tot een persoon hebben voorrang op modelantwoorden. Daarnaast stelt Toddler vier getypeerde risicovragen via JEV: uitglijden van een greep, iemand in de veiligheidszone, een nabije botsing en een instabiel object. Extra vragen over vallende voorwerpen, vingers, uitwegen en onzekere waarneming zijn nog ontwerpwerk.

Ontbreekt een antwoord of duurt de ronde langer dan 20 milliseconden, dan zegt de reflex stop. Een CLM-aansluiting ontbreekt; kalibratie voor deze risico's en fysieke veiligheidsvalidatie zijn niet aangetoond. Niet-eindige sensordata worden nog niet expliciet afgewezen; zie de technische analyse. Deze software bestuurt geen echte robot.

9. De volgende tien verbeteringen

#	Verbetering	Status
1	Elke taak vroeg oefenen	Gebouwd
2	Elke taak aan het einde herhalen	Gebouwd
3	Zwakke taken extra oefentijd geven op basis van openbare scores	Gebouwd
4	Extra oefentijd per taak begrenzen	Gebouwd
5	Goede taakexperts in één gedeeld model samenbrengen	Onderzoek
6	Meer onafhankelijke oudermodellen trainen	Onderzoek
7	Eerst deeltaken beheersen, dan moeilijkere varianten	Onderzoek
8	CLM koppelen aan snelle risicovragen	Ontwerp; adapter en lokale modelmeting open
9	Meer JEV-regels en controle van sensordata	Vier regels bestaan; uitbreiding en niet-eindige sensorwaarden open
10	CLM-routering vergelijken met vaste taakroutering	Onderzoek

Een gebouwd onderdeel maakt nog geen nieuwe generatie sterker. Daarvoor is een vooraf geregistreerde vergelijking op nieuwe, afgeschermde toetsdata nodig.

10. Van taakexperts naar een agentmix

Er is nu onderzoekssoftware die per taak lokale modellen kan combineren en de kwaliteit, antwoordtijd, t/s, GPU-board-energie en VRAM afweegt. Zij weigert historische publieke full-suite- scores en private toetsresultaten als selectiedata. De vereiste nieuwe openbare anti-contaminatie- ontwikkelmetingen zijn nog niet beschikbaar, dus er is nog geen gekozen LLM-mix. Zodra die metingen er zijn, vergelijken we de kandidaat op verse afgeschermde vragen met het beste losse model en een willekeurige route. Lees het zoekprotocol.

🧭

Modelkeuze

Qwen3.8 Flash-Next, GLM-5.3-Flash REAP50 en 1Cat TP2 1.5.0 zijn op de kleine software/data-pilot gemeten. In de aparte volledige TP2-proef verdween met 1Cat 1.5.1 de eerdere herhaallus bij alle negen openbare controles; de specialistenscore steeg van 0,2333 naar 0,4417. De gebruikte private items zijn later via een eerdere publieke PR-revisie blootgesteld; voor nieuwe blinde tests komen er andere items. Er is nog geen reden om de Toddler-router te promoveren.

🛠️

Specialisten

Coder, reviewer, architect, debugger en vier datarollen krijgen ieder een eigen slagingspercentage. Gameontwikkeling en spelbegrip blijven afzonderlijke specialistische onderzoeksrichtingen totdat hun agenten daadwerkelijk zijn getoetst.

🧑‍🏫

Teacher erbij

Teacher mag plannen en reviews leveren, maar een betere losse modelscore bewijst nog niet dat de hele ClaudeClaw-keten beter werkt. De proef vergelijkt dezelfde afgeschermde softwaretaken met en zonder Toddler + Teacher + agent.

De huidige software/data-pilot heeft slechts twee vragen per rol. Haiku 5.5 medium sloot de cloud-toegestane pilot af met 8/8 software en 8/8 data; 1Cat 1.5.1 kreeg na die afsluiting geen toegang tot dezelfde pack. Er is nog geen bewezen voordeel op echte softwaretaken. Voor een positieve claim zijn een nieuwe, onafhankelijk beheerde toetsset, minstens 73 taken per softwaremaker en een gepaarde kwaliteitsvergelijking nodig. Zie de Teacher-uitleg en de benchmarkopzet.

Hoe goed leren de toddlers?

G5.3: sterkere rekenkandidaat, nog geen overlevende G5

De bevroren G5.3-kandidaat won twee afzonderlijke, vooraf vastgelegde en afgeschermde rekenproeven in Engels en Nederlands. Hij beantwoordde 57/72 en 60/72 vragen correct, tegenover 22/72 en 19/72 voor G4. De negen geërfde navigatieroutes bleven op de gemeten seeds exact behouden. De vragen en antwoorden blijven buiten de openbare repository.

Officiële status: kandidaat, niet gepromoveerd. In de geverifieerde lineage staan nog geen G5-geboorten of G5-overlevingsverdict. Onafhankelijke controle van de bredere kern, waaronder taalreview en de beoogde embeddingroute, ontbreekt. De acht Preschooler G1-trainingspaden blijven daarom gesloten.

Wat is anders aan deze Toddler? De kandidaat erft per kind de bewezen G4-navigatie, leidt bij eenvoudige tekstsommen een bewerking uit expliciete woorden af en rekent het antwoord exact met Python/JEV uit. Een controleerbare onderzoekssamenstelling koppelt daar read-only capabilityverwijzingen en een CLM-schaduwcontrole aan; CLM bestuurt geen fysieke reflex. Die samenstelling en de echte embeddings zijn nog niet als volledige G5 in een private generatieproef goedgekeurd. Toddler is hiermee een samengesteld leersysteem, geen nieuw zelfstandig getraind 4B-gewichtmodel.

G5.4 uit G5.3: vijf nieuwe onderzoekskandidaten behouden de exacte G5.3-ouder en proberen bij ontbrekend tekstbewijs een lokaal Qwen3-4B-model alleen een bewerking te laten voorstellen. Een aparte woordcontrole en exacte rekenregel moeten het voorstel nog accepteren. Op de vooraf verzegelde private toetsbanken won G5.4 met 53/72 en 59/72 correcte antwoorden van G5.3 met 48/72 en 46/72. Toch faalde G5.4 de vooraf vastgelegde veiligheidsgrens: de nieuwe route accepteerde 4/32 negatieve controles, waaronder meerstapsvragen en vragen met gemengde gegevens. Geen promotie. De reviewer vond 16 van deze controleformuleringen onnatuurlijk; ook daarom blijft een nieuwe, beter geformuleerde veiligheidstoets nodig. De GPU-energiemeting ging verloren bij het wegschrijven en wordt niet geschat.

Elke stip is een generatie toddlers. De score is per taak: 0 = zo goed als willekeurig drukken, 1 = de taak opgelost. We nemen het midden van de groep (interkwartielgemiddelde), zodat één uitschieter het beeld niet bepaalt. Scores die op een andere manier gemeten zijn (greedy of gesampeld) worden nooit met een lijn verbonden.

G4-search overleeft op navigatie

Teacher oefent nu met basisrekenen, Engels, Nederlands, geschreven Kantonees, geschiedenis, aardrijkskunde, trivia, cultuur, manieren, puzzels, redeneren en sociale situaties. Zes Montessori-geïnspireerde gebieden zijn praktische vaardigheden, zintuigen, taal, rekenen, wereldoriëntatie en hoffelijkheid. Daarnaast oefent een nieuwe navigatiekop op deuren ontgrendelen en een doos oppakken.

Een eerdere G4-oracleproef trainde vijf kinderen, elk gekoppeld aan een eigen G3-ouder. Vier gebruikten een nieuwe oracle-specialist voor de doos; het vijfde behield zijn sterkere G3-beleid. In twee afgeschermde proeven steeg de samengestelde score van circa 0,946 naar 1,042, zonder regressie op bewaarde vaardigheden. Deze eerdere arm werd niet gepromoveerd: de eerste proef miste de vooraf vastgelegde p-grens (0,058; vereist < 0,05). De tweede slaagde (0,037), maar beide moesten slagen. De geheime kaarten blijven tot na 16 oktober verzegeld.

Voor taal, rekenen en de andere leergebieden liet een nieuwe privé-diagnose van 54 vragen een score van 22/54 zien. De eerdere 0,9681 kwam uit deels herhaalde openbare vraagvormen. De cognitieve leerling krijgt daarom een aparte verbeter- en toetsbaan; deze kleine diagnose telt niet voor generatiepromotie.

Nieuwe uitkomst: een later, vooraf vastgezet G4-search-cohort uit vijf kinderen passeerde op 10 oktober 2026 twee onafhankelijke private navigatietoetsen van ieder 30 seeds. Het won op dezelfde seeds van de sterkste overlevende voorouder G3-recombined en van de gematchte controles (voor beide toetsen p < 0,01), zonder de getoetste oude vaardigheden te verliezen. De lineage is geverifieerd en registreert G4-search als overlevende navigatiegeneratie. Dit promoveert geen taal, rekenen, softwarewerk of fysieke bediening.

G4-ontwikkellus: Teacher vergeleek per kind meerdere startmodellen, trainingsbudgetten en netwerkbreedtes. Een bruikbare specialist kan de volgende nacht verder leren. De taakrouter kiest op openbare ontwikkelkaarten en controlekaarten of die specialist de G3-route voor doos oppakken vervangt. Deze zoektocht levert nieuwe kandidaten, geen automatische promotie: voor een G5-opvolger blijft een nieuwe, vooraf geregistreerde afgeschermde toets met correctie voor herhaalde pogingen nodig. G4-search is daarvoor nu de bevroren navigatieouder. De huidige G4-zoekcode start nog vanaf G3 en de aparte G4-timer is niet actief; een automatische G5-lus moet eerst G4 als ouder en een nieuwe toetsfamilie krijgen.

G5-ontwikkelproef (11 oktober): vijf kandidaatkinderen erven elk een exact gecontroleerde G4-navigatieouder en krijgen een nieuwe rekenkop. Teacher leverde 27 gecontroleerde oefenvoorbeelden in Engels, Nederlands en geschreven Kantonees. Op 108 openbare rekenvragen met nieuwe getallen, maar dezelfde negen vraagvormen, steeg de strikte score van 0,2685 naar 1,0000. De openbare G4-retentieoefening bleef 0,9681; alle vijf samengestelde runtimes laadden met gecontroleerde gewichten. Dit is geen G5-promotie: een onafhankelijke afgeschermde cognitieve toets, navigatieretentie op nieuwe seeds en andere leergebieden ontbreken nog. Een aansluitende, verzegelde diagnose met anders geformuleerde rekenvragen gaf G4 en deze eerste G5-versie allebei 33/108: die versie liet dus geen overdracht naar nieuwe zinsvormen zien. Die 108 diagnosevragen worden niet voor training hergebruikt. Openbare oefenproef · Overdrachtsdiagnose.

Tweede G5-kandidaat: Teacher gaf 81 extra gecontroleerde voorbeelden met gevarieerde formuleringen. Toddler leidde de bewerking af uit de antwoorden en koos op 108 openbare controleitems een tekstexpert naast de oude rekenkop. Daarna haalde de bevroren kandidaat op een nieuwe, afgeschermde parafrasetoets 67/108 tegenover 32/108 voor G4: 35 vragen gingen vooruit en geen van deze vragen achteruit. De prompts blijven buiten Git. Dit is een smalle rekenkundige overdrachtsdiagnose, geen G5-promotie of bewijs voor andere vakken. Vooral vermenigvuldiging, Kantonees taalreview en nieuwe navigatieproeven vragen vervolgwerk. Bekijk de geaggregeerde meetgegevens.

Prospectieve bevestigingspoort: daarna zijn twee nieuwe, eigenaar-afgeschermde rekenfamilies met elk 72 Engels/Nederlandse items uitgevoerd. De kandidaat haalde 38/72 in de eerste familie en 47/72 in de tweede; G4 haalde respectievelijk 18/72 en 19/72. Beide families hadden geen G4-only verlies, geen negatieve taal-bewerkingcel en behielden de gemeten navigatie exact. Omdat de eerste familie de vooraf vastgelegde minimumscore van 44/72 niet haalde, is het gezamenlijke verdict failed hold — geen G5-promotie. De private vragen, antwoorden en seeds blijven buiten de website; zie de promptvrije aggregaatrapportage ↗.

G5.1 publieke kandidaat: Teacher leverde daarna 144 nieuwe openbare ontwikkelitems in zes gebalanceerde Engels/Nederlandse rekenvakken. De gekozen hashing-SGD-expert scoorde 54/72 tegenover 19/72 voor G4; de oude retentie bleef 0,968085. Dit is architectuurselectie op openbare data, geen promotieresultaat. De Nederlandse formuleringen wachten op native review en er is nog een nieuwe afgeschermde bevestigingspoort nodig. Bekijk de aggregate ↗.

De eerste volledige zoekronde duurde 202 seconden: vier van vijf kinderen kregen een nieuwe route na openbare ontwikkeling en controle; bij het vijfde was G3 beter. Daarom is er voor deze ronde geen nieuwe geheime promotietoets gestart. Lees de meetresultaten.

In een tweede openbare onderzoeksronde leerde een PPO-kandidaat ook van eigen acties en simulatorbeloning. De vier andere kinderen konden verder leren vanaf hun vorige gewichten. Het eerste kind bleef op beide openbare sets onder G3, dus ook deze ronde ging niet naar de geheime promotietoets. De tweede ronde hergebruikte dezelfde openbare kaarten en telt daarom niet als onafhankelijke replicatie. Lees de tweede ronde.