Design del gate ordinativo per A01

Versione: consolidata 2026-05-01 Tipo: documento di design completo, standalone Stato: strutturalmente completo — calibrazione concreta dei numeri e esecuzione del benchmark restano lavoro di implementazione successiva Origine: contributo dell'utente al programma di validazione di OCT v1.0 candidate, ruolo F+B di critical review estensivo (contribution_paths.md); design teorico del gate per A01, l'implementazione è delegabile

Avvertenza al lettore. Questo documento sintetizza un design del gate ordinativo per pipeline AI runtime, costruito durante le sessioni 2026-04-30 / 2026-05-01 a partire dai capitoli pubblicati di OCT (Cap. 1, 2, 3, 4, 6, 8, 15). Il file di lavoro a01_gate_design_draft.md contiene la genesi cronologica del design (1684 righe). Questo documento ne è la presentazione organica per concetti, non per sequenza temporale, ed è progettato per essere letto come unità autonoma.

Vincoli metodologici rispettati senza eccezioni:

• Ogni mapping concetto-osservabile è motivato, non solo nominato.
• Ogni metrica è etichettata con grado di operatività: (O) operativa con osservabili dichiarate ex ante, (P) operativizzabile in linea di principio (richiede scelta), (C) ancora concettuale.
• Soglie e parametri devono essere pre-registrati prima della validazione; mai spostati post-hoc (anti-pattern D03).
• Solo ponti TE↔OCT già stabiliti da Ghioni nei capitoli pubblicati. Nessun ponte nuovo dall'astratto.
• Ogni scelta tecnica è motivata o lasciata esplicitamente aperta come scelta di calibration; nessuna scorciatoia del tipo "0.55·X + 0.45·Y perché funziona".

1. Premessa — contesto, vincolo, posizionamento

1.1 Cosa A01 dice e cosa il proxy attuale sbaglia

A01 nel corpus pubblicato (Cap. 10 §4.6) afferma che pipeline compositive con coerenza ordinativa alta mostrano minore degenerazione semantica rispetto a pipeline solo formalmente corrette. Il proxy operativo attuale (P_ord = 0.55·P_cls + 0.45·soft_overlap, eseguito nei Cycle 2-3 di validazione) è strutturalmente fuori specifica: misura una proprietà dell'output finale, mentre il claim è sul processo composizionale. Il punto è documentato nella nota tecnica case_a01_diagnosis.md. Equifinalità sull'output non implica equivalenza ordinativa — due pipeline che producono la stessa stringa finale per traiettorie diverse non sono ordinativamente equivalenti, perché la traiettoria è dentro l'identità della singolarità (Cap. 2 §1 punto 4).

Conseguenza diretta: una pipeline ordinativa fedele richiede di registrare il processo, non solo l'output, e di valutare ad ogni passo composizionale tre proprietà — validità sintattica, coerenza ordinativa, emergenza funzionale — secondo il gate canonico di Cap. 3 Def 3.3 e Cap. 4 Def 4.3.

1.2 I ponti TE↔OCT che il design usa

Tutti i mapping concettuali derivano da capitoli OCT pubblicati. Niente costruzione ex novo dall'astratto.

• Cap. 1 §3 — "in pipeline semantiche con ottima composizione locale ma collasso globale di senso". A01 è pensato esplicitamente per il dominio delle pipeline AI.
• Cap. 2 §1 (Singolarità funzionale) — un nodo la cui identità dipende da: (1) profilo relazionale attivo, (2) capacità di mantenere coerenza interna sotto trasformazione, (3) funzione emergente non riducibile alla somma dei componenti, (4) traiettoria storica nel tempo osservato. I quattro requisiti diventano: (1) ancoraggio per il campo context della singolarità computazionale, (2) ancoraggio per Coh, (3) ancoraggio per Phi, (4) ancoraggio per trajectory come campo strutturale (non metadato accessorio).
• Cap. 3 Def 3.3 + Cap. 4 Def 4.3 (gate ordinativo) — Adm_Omega(f) := Syn(f) ∧ Coh_Omega(f) ≥ tau_f ∧ Phi_Omega(f) ≠ 0 per morfismo singolo; per la composta g ∘_Omega f, deve valere Adm_Omega(f) ∧ Adm_Omega(g) ∧ Adm_Omega(g∘f). Il gate è per-morfismo e per-composta, applicato dentro il processo.
• Cap. 4 §4.14 (tipologia di failure) — F-Mor1 (morfismo sterile: Syn e Coh validi, Phi=0), F-Mor2 (morfismo degenerativo: Syn valido, Coh<tau), F-Comp1 (composta fragile: passi locali validi, composta al bordo soglia), F-Comp2 (composta collassata: composta in classe degenerativa anche con passi localmente ammissibili).
• Cap. 8 Def 8.1-8.5, 8.11, 8.12 — spazio di validità minimale S_Omega = (Coh, PhiHat, Delta), regione di sterilità R_S(Omega, tau) = {D | Coh ≥ tau ∧ PhiHat = 0}, istanziazione di Phi come clip(w_p · p_phase + w_n · n_global, 0, 1), regola anti-circolarità operativa.
• Cap. 15 §3 (Controfase strutturale) — una configurazione è in controfase strutturale quando: (1) emerge un insieme nodale non locale, (2) i settori separati dal nodo mostrano opposizione di fase, (3) la risposta complessiva si oppone in verso all'attrattore che la organizza. Cap. 8 Def 8.11 lega p_phase a "persistenza della controfase osservata". Phi ha quindi un ancoraggio TE concreto: la potenza riorientante del passo (opposizione all'attrattore semantico dominante).

1.3 Posizionamento del design rispetto al training nativo

Questo design specifica un gate ordinativo runtime applicabile a LLM esistenti (modelli attuali, non-ordinativi nativamente). Nella prospettiva più ampia, il gate runtime è la simulazione costosa di quello che un terminale trainato ordinativamente farebbe nativamente. Il training nativamente ordinativo dei modelli (loss function che incorpora il debito ordinativo, principio variazionale come framework guida) è direzione di sviluppo successiva, presupposta dalla dimostrazione di A01 — fuori scope di questo documento, segnata in training_ordinativo_direction.md.

A01 dimostra il vantaggio funzionale della pipeline ordinativa runtime al costo computazionale alto. Se A01 regge, legittima l'investimento successivo nel training nativo, dove il costo del comportamento ordinativo scende. Il costo runtime alto NON è argomento contro A01 — è la motivazione per dimostrarlo.

2. Architettura della singolarità computazionale

2.1 Definizione formale

La singolarità computazionale è un'entità con quattro campi:

S = (snapshot, trajectory, context, omega)

con mapping diretto a Cap. 2 §1:

• context ↔ profilo relazionale attivo (1)
• snapshot ↔ stato di valutazione coerenza (2)
• trajectory ↔ traiettoria storica nel tempo osservato (4)

La funzione emergente (3) non è un campo — è una proprietà derivabile dalla coppia (snapshot, trajectory) rispetto a un baseline. Per questo Phi è una funzione di valutazione, non un attributo.

Le transizioni tra singolarità sono oggetti di prima classe:

T_i = (source, target, morphism, gate_decision, metrics)

con

• source, target riferimenti a singolarità prima e dopo la transizione;
• morphism quale f è stato applicato + parametri;
• gate_decision ∈ { admit | refine(reason) | reject(reason) | abort(reason) };
• metrics = {Syn: bool, Coh: float, Phi: float, tau_f_used: float}.

Ogni T_i è registrata nella trajectory della singolarità target. Il debito ordinativo, le decisioni di gate, le metriche misurate sono parte costitutiva della trajectory, non metadati esterni.

2.2 Tre proprietà strutturali

P1 — Append-only. La trajectory è append-only: una T_i registrata non si rimuove. Refine, retry, backtrack producono nuove transizioni concatenate, non sostituzioni. Una pipeline ordinativa che ha fatto 3 retry ha trajectory di 4 transizioni (3 reject + 1 admit); la pipeline classica corrispondente ne ha 1.

Ancoraggio ontologico: l'append-only non è scelta computazionale, è proprietà strutturale dell'irreversibilità temporale. Una transizione registrata appartiene definitivamente alla traiettoria; ogni eventuale ripresa del processo si aggiunge in coda al pregresso, mai sovrascrivendolo. La singolarità in OCT eredita questa irreversibilità da Cap. 2 §1.4. Conseguenza: il post-hoc rescue di D03 (sostituire criterio sui medesimi dati) è strutturalmente impossibile sotto questa rappresentazione — cambiare criterio richiede una nuova validazione pre-registrata, non un override.

P2 — Polimorfismo del contenuto, monomorfismo della struttura. Il snapshot.content è dominio-specifico (intent struct ≠ evidence set ≠ answer text), ma la struttura (snapshot, trajectory, context, omega) è universale. Conseguenza: gli operatori Coh, Phi sono polimorfici per tipo di morfismo — la valutazione opera su una struttura comune ma con regole specifiche per il contenuto.

P3 — Branching come traiettoria che include lo scarto. Quando il gate respinge, la decisione di scarto è registrata come transizione propria, e l'eventuale correzione (refine) è una transizione successiva. La trajectory contiene sia il rifiuto sia la correzione, mai cancellando il primo. Differenza ordinativa rispetto alla pipeline classica leggibile direttamente dal numero e tipo di gate decisions, non solo dall'output finale.

2.3 Schema computazionale

snapshot:    content (any, dominio-specifico) + type + invariants
trajectory:  list of T_1, ..., T_{i-1}        (append-only)
context:     task_descriptor, user_profile, system_constraints, omega_label
omega:       contesto di valutazione

gate_decision:  admit | refine(reason) | reject(reason) | abort(reason)
metrics:        {Syn: bool, Coh: float, Phi: float, tau_f_used: float}

3. Cornice variazionale — principio di minima azione ordinativa

3.1 Il debito ordinativo come azione

Definendo

debito_ordinativo(trajectory) = Σ_i (1 − coh_step(f_i))

(somma del deficit di coerenza ad ogni passo della traiettoria), si ottiene una funzione di azione in senso variazionale: una quantità che il sistema "spende" lungo il percorso e che la traiettoria ideale (coh_step = 1 ovunque) minimizza identicamente a zero.

Il principio di minima azione ordinativa, applicato a OCT, dice: tra tutte le traiettorie possibili che vanno da S_0 a S_n per task fissato, la traiettoria ideale è quella che minimizza il debito ordinativo. Ordinatività è precisamente l'approssimazione attiva di questo principio — una pipeline ordinativa cerca di percorrere la traiettoria di minima azione, una pipeline classica non minimizza nulla e segue il flusso degli attrattori statistici.

Connessione naturale con TE_OBSERVER (Lyapunov XP): il debito ordinativo come Lyapunov function dà stabilità ordinativa in senso dinamico — un sistema è ordinativamente stabile se il debito ordinativo è non crescente lungo le sue traiettorie spontanee. Connessione anche con M28 (categorical dynamics) di oct_extension_vectors.md.

3.2 Le due dimensioni di Coh: α e β

Coh esiste a due livelli ortogonali, distinti per legge:

α — Coh_attuale(S_n): integrità della singolarità come è ora. Funzione del nodo presente nella sua totalità (snapshot, trajectory, context, omega) valutata come stato attuale. Non monotona: può salire dopo correzione efficace, scendere dopo drift. Una singolarità che ha integrato un passo deviante in una struttura compositiva successivamente coerente può conservare α alta — l'integrazione funzionale del passo deviante nella configurazione presente è proprietà del nodo attuale, non determinata dalla presenza del passo nella history.

β — Coh_storica(trajectory) rispetto alla traiettoria ideale: gap accumulato della traiettoria reale rispetto a un'ipotetica traiettoria che a ogni passo preserva la massima coerenza possibile. Monotonicamente non crescente: ogni passo con coh_step < 1 aumenta permanentemente il gap, indipendentemente da cosa succede dopo. Una correzione efficace successiva non rimuove il costo del passo deviante — la traiettoria ideale, per definizione, non aveva sostenuto quel costo. Anche un passo deviante seguito da refine completo lascia un debito permanente in β (entry della transizione deviante + entry del refine, entrambe registrate nella trajectory append-only).

Le due metriche hanno leggi diverse:

• β ha legge di conservazione del costo: sempre monotonicamente non crescente, gap permanente.
• α ha legge di possibilità di integrazione: può tornare a 1 se il sistema integra le derive, possibilità strutturale aperta non garanzia.

Sono ortogonali e possono divergere. Una pipeline ben corretta dopo errore ha α alta e β bassa simultaneamente.

Coh(f_i) per la singola transizione (vedi §4.2) NON è monotono — è proprietà locale del passo, può oscillare lungo la traiettoria. La monotonia si applica solo a β.

3.3 Asimmetria sulla possibilità di recupero di α

Esiste un'asimmetria reale, ma è sulla possibilità di α = 1 a fine processo, non su β:

• Transizioni che lasciano aperto l'orizzonte di refine: errori interni alla pipeline (retrieval, parsing, generation), purché non ancora propagati a stato esterno. Il sistema può fare reject + refine e ripristinare α.
• Transizioni che chiudono l'orizzonte di refine: tool call con effetto esterno irreversibile, decisione propagata a sistemi a valle, comunicazione all'utente di informazione che induce azione. Dopo, l'effetto esterno è dato, e qualunque correzione successiva deve operare con quell'effetto come parte del context — α non può più tornare semplicemente al livello pre-transizione.

Conseguenza strutturale per il gate: severità asimmetrica prima di transizioni che chiudono l'orizzonte di refine. Non perché "rovinino β" (β è già pagato in proporzione alla deriva, sempre), ma perché eliminano la possibilità futura di ripristinare α a 1. Estensione diretta dell'Anti-Attractor-Lock di TE: non consolidare prematuramente decisioni che chiudono l'orizzonte. Il gate prima delle transizioni che chiudono richiede tau_f strutturalmente più alto, non per calibrazione ma per ragioni ontologiche.

3.4 Riformulazione del claim economico A01

Le tre dimensioni ortogonali sono:

• α(S_n) — integrità del risultato attuale;
• β(trajectory) — debito ordinativo accumulato (gap dalla traiettoria ideale);
• Cost(trajectory) — risorse spese (LLM call, token, latenza, refine eseguiti).

Per ogni passo con coh_step < 1, esiste un debito ordinativo (1 − coh_step). Questo debito viene saldato in due modi possibili:

• Pagamento immediato in Cost: refine attivo che ristabilisce α — il debito esce dalla traiettoria come costo computazionale aggiuntivo.
• Default sul debito: nessun refine — il debito resta nel sistema sotto forma di α bassa (lo stato finale è meno integrato).

β è la contabilità del debito accumulato, inalterata dal modo di saldarlo: in entrambi i casi quello che è successo è successo, e la traiettoria ideale (che non aveva avuto il debito) è inarrivabile.

Per modelli attuali, mantenere ordinatività via gate runtime costa: stiamo imponendo coerenza a un sistema che non la ha nativamente. A01 dimostra che il vantaggio funzionale (α più alta) c'è anche a quel costo, in expectation, per task multi-step compositivi. La struttura argomentativa è:

1. Pipeline ordinativa runtime su modello attuale → α alta + Cost alto;
2. Pipeline classica su stesso modello → α bassa (in expectation, su task complessi) + Cost ≈ baseline;
3. A01: il guadagno in α giustifica l'investimento in Cost — esiste una regione di task dove l'ordinativa è strettamente preferibile.

4. Gate per-step

4.1 Forma generale (Cap. 4 Def 4.2)

Per ogni morfismo f_i: S_{i-1} → S_i:

Adm_Omega(f_i) := Syn(f_i) ∧ Coh_Omega(f_i) ≥ tau_f ∧ Phi_Omega(f_i, S_{i-1}) ≠ 0

Tre condizioni congiuntive: validità sintattica, coerenza sopra soglia, emergenza non nulla. Una sola soglia tau_f per Coh per morfismo (singola condizione su Coh, vincolo Cap. 4 — non soglie per-componente).

4.2 Coh per LLM-step

4.2.1 Definizione

Coh(f_i): (S_{i-1}, S_i, Context) → [0, 1]

Coh(f_i) = 1 - aggregato(δ_a, δ_b, δ_c)

con δ_a, δ_b, δ_c ∈ [0, 1] (deviazioni: 0 = perfetta tenuta, 1 = perdita totale) e aggregato di forma fail-fast (default max).

4.2.2 Le tre componenti — derivazione TE-ancorata

4.2.3 Aggregazione fail-fast

aggregato = max(δ_a, δ_b, δ_c) come default. Una deviazione critica fa scattare il gate anche se le altre sono ok — una pipeline con task drift catastrofico ma snapshot internamente coerente con se stesso non può essere "salvata" dalla coerenza locale. Asimmetria epistemica corretta.

Sotto max, la fail-fast è implicita: Coh ≥ τ ⇒ ogni δ ≤ 1−τ. Coerente con Cap. 4 (singola condizione su Coh).

Calibration option: L^p con p > 1 come morbidatura, da usare se max puro risulta troppo rigido in calibration. Solo in quel caso si introduce un safety cap δ_max^M per-componente per recuperare la fail-fast — ma questa è scelta condizionale, non default.

4.3 Phi per LLM-step (con sub-distinzione Phi-real / Phi-pot)

4.3.1 Forma definitiva

Phi(f_i, S_{i-1}) = Phi-real(f_i, S_{i-1}) · Phi-pot(S_{i-1}) (forma F.D-product)

dove

• Phi-real(f_i, S_{i-1}) = clip(w_p · p_phase-real(f_i) + w_n · n_global-real(f_i), 0, 1) — emergenza realizzata dal passo (forma Cap. 8 Def 8.11)
• Phi-pot(S_{i-1}) = clip(w_p · p_phase-pot(S_{i-1}) + w_n · n_global-pot(S_{i-1}), 0, 1) — carica emergenziale disponibile nell'input (simmetrica a Phi-real)

con w_p + w_n = 1, pesi pre-registrati per tipo di task (consistenti tra Phi-real e Phi-pot).

La distinzione Phi-real vs Phi-pot deriva dall'osservazione che la responsabilità di Phi è distribuita tra il passo f_i e l'input S_{i-1} su cui agisce — la non-emergenza può venire sia da realizzazione povera sia da input strutturalmente vuoto. Caso paradigmatico: input convenzionale a basso contenuto strutturale (intent atomico, contesto minimale, vincoli assenti) accoppiato a risposta tecnicamente ben formata e localmente coerente. La coppia produce Phi(f_i) ≈ 0 non per fallimento di realizzazione, ma perché Phi-pot(S_{i-1}) ≈ 0: non c'è materia su cui esercitare emergenza non riducibile (Cap. 2 §1.3). La responsabilità non è isolabile alla risposta — si distribuisce strutturalmente sull'intera coppia.

4.3.2 Decomposizione bipartita p_phase + n_global

Sia Phi-real sia Phi-pot sono bipartite, con derivazione TE-ancorata da Cap. 15:

p_phase (lato real e pot) è inerentemente contrastiva: richiede un baseline (il completamento attrattoriale di default). Senza baseline non c'è opposizione misurabile. n_global è strutturale interna: si misura sulla sola produzione, cercando proprietà non-locali; richiede una nozione di "località" dichiarata ex ante.

4.3.3 Operativizzazione enumerata stratificata

Per ogni componente, quattro famiglie di candidati operativi, tutti (P), etichettati per tipo di task.

Per p_phase-pot (analogo per p_phase-real):

Per n_global-pot (analogo per n_global-real):

Stratificazione raccomandata per task type (sequenza di priorità pre-registrata: formalizzabile > classe canonica nota > n_global degenerato > multi-step > semantico libero):

Un task che ricade in più categorie viene assegnato alla prima della sequenza (stratificazione prioritaria, non esaustiva).

4.3.4 Doppio livello di sterilità preservato

La forma F.D-product preserva due livelli distinti di sterilità che operano a granularità diverse — non vanno unificati:

• Sterilità interna a Phi-real (doppio zero pesato di p_phase-real + n_global-real): cattura sterilità dell'azione — f_i non opera né struttura non-locale né opposizione all'attrattore. F-Mor1 classico di Cap. 4 §4.14.
• Sterilità aggregata a F (un fattore — Phi-real o Phi-pot — nullo): cattura sterilità ontologica (V1 azione vuota / V1* input vuoto). Phi(f_i) = 0 per fattore zero.

Una pipeline con stitching mediocre su input ricco ha Phi-real moderata (non zero) — F.D-product produce Phi(f_i) basso ma non zero, segnalando pipeline inefficiente, non strutturalmente sterile. Solo Phi-real = 0 esatto produce F.D-product = 0 (F-Mor1 puro). Mantenere i due livelli distinti preserva la tipologia di failure di Cap. 4 §4.14: inefficienza ≠ sterilità ontologica.

4.3.5 Perché F.D-product (non F.D-geomean, non F.E)

La scelta della forma F per combinare Phi-real e Phi-pot deriva da quattro vincoli formali (V1 responsabilità su Phi-realizzata, V1* responsabilità su Phi-potenziale, V2 sterilità doppio zero, V3 range Cap. 8) e da analisi del comportamento al limite.

Tre forme alternative considerate ed eliminate o riservate:

• Ratio (Phi-real / Phi-pot): eliminata strutturalmente. Misura efficienza di conversione, non emergenza assoluta. Caso degenere "domanda vuota + risposta vuota" dà ratio 1 ma zero emergenza.
• min(Phi-pot, Phi-real) (F.E): praticabile, ma sotto conservazione strutturale Phi-real ≤ Phi-pot (argomento "f_i non crea emergenza dal nulla") si riduce a Phi-real con sterility-gate puro. Lascia Phi-pot intermedi non penalizzati — caso paradigmatico: input strutturalmente ricco (alta n_global-pot per densità relazionale) ma canonicamente prevedibile (bassa p_phase-pot perché la risposta-attrattore di consenso disciplinare è univocamente determinata dall'input), accoppiato a risposta che riproduce la canonica senza opporsi all'attrattore. Sotto F.E la coppia passa con valore moderato; F.D-product la penalizza strutturalmente. F.E delega l'opposizione all'attrattore al refine attivo, esternalizzando dalla metrica.
• Geomean (√(Phi-real · Phi-pot)): decadimento al limite V1* come radice quadrata (più lento) — lascia "scia di ordinatività residua" che il framing TE non autorizza.

F.D-product (Phi-real · Phi-pot con g = identità) è scelta perché:

1. Massima internalizzazione di V1*: la responsabilità sull'input entra direttamente in metrica, non solo nel refine.
2. Decadimento lineare al limite V1*: Phi-pot = 0.1 ⇒ Phi(f_i) ≤ 0.1. Avvicina V1* rapidamente, coerente con V1* come limite ontologico stretto (Cap. 2 §1.3: emergenza richiede materia).
3. Minima complessità: nessun sub-parametro (vs F.D-geomean nessuno, F.D-soft-gate richiede θ, F.D-asymmetric richiede a, b).
4. Forma canonica Cap. 8 Def 8.11: scalari in [0,1] moltiplicabili direttamente.
5. Severità sui valori intermedi: caso "good-good" (Phi-pot = Phi-real = 0.7 ⇒ Phi = 0.49) è coerente con TE — ordinatività richiede eccellenza, non sufficienza. Calibration di τ_Phi ammortizza se serve.

Una pipeline che riceve input "intermedio" (Phi-pot ≈ 0.4) e produce risposta canonica (Phi-real ≈ 0.3) ottiene Phi(f_i) = 0.12 — penalizzata aggressivamente per non aver opposto l'attrattore data l'occasione strutturale. F.E lascerebbe passare a 0.3.

4.3.6 Mitigazione del double-counting

Rischio teorico: Phi-real e Phi-pot condividono la decomposizione p_phase + n_global — possibile double-counting di p_phase quando si moltiplicano in F.D-product.

Mitigazione strutturale come prima difesa: per task con n_global non degenerata, una reply che devia spuriamente da un baseline ha n_global-real basso (struttura non organizzata); Phi-real complessiva resta moderata; F.D-product non amplifica oltre la materia organizzata effettivamente prodotta.

Limite: per task con n_global strutturalmente bassa (risposte brevi, fact-check binario, classificazione one-token, dove p_phase domina la Phi-real), il double-counting può amplificare spurious senza correzione interna. In quei casi serve compensazione esterna: stratificazione di τ_Phi^M per tipo di task — τ_Phi più alto per task con n_global strutturalmente bassa, esplicito e dichiarato (vedi §8.4).

4.4 Sub-effetto strutturale: Phi ricorrentemente basso predice chiusura dell'orizzonte di refine

Phi(f_i) = 0 ricorrente non è solo sintomo locale di sterilità — è predittore strutturale di incapacità futura di refine. Una pipeline che non sa fare struttura non-locale oggi non saprà fare refine non-locale domani, perché il refine richiede capacità di riorganizzazione cross-passo. Il gate F-Mor1 (sterilità per Phi=0) ha quindi conseguenze sulle proprietà future di α della pipeline, non solo locali.

Conseguenza per il design del gate: i passi più vicini alla chiusura dell'orizzonte di refine pretendono tau_f più stretto, perché il falso-ammesso in quei passi costa di più (propagazione asimmetrica, vedi §3.3).

5. Gate sulla composta — il punto distintivo

5.1 La condizione 3 di Cap. 4 Def 4.3

Per la composta g ∘_Omega f:

1. g ∘ f definita classicamente (continuità con la category theory standard);
2. Adm_Omega(f) ∧ Adm_Omega(g) valgono indipendentemente;
3. Adm_Omega(g ∘ f) vale per la composta stessa.

La condizione 3 non è ridondante: cattura il caso F-Comp1 di Cap. 4 §4.14 (composta fragile — ogni passo singolarmente ok ma la composta al bordo di soglia) e F-Comp2 (composta collassata in classe degenerativa anche con passi localmente ammissibili).

5.2 Cosa significa per la pipeline AI

Per la traiettoria S_0 → S_1 → ... → S_n:

• ogni f_i deve passare il gate per-step (§4);
• la traiettoria intera deve mantenere coerenza globale — Coh(S_n) come proprietà del nodo presente (non additiva dei Coh(f_i) locali);
• piccole derive locali, ognuna sopra soglia per-step, possono produrre S_n internamente al bordo perché la singolarità presente ha accumulato sotto-tensioni.

Operativizzazione candidata (P): Coh_traiettoria con soglia globale tau_global distinta dalle tau_f locali, monotonicamente non crescente lungo la traiettoria (cf. β di §3.2). Una traiettoria è ammessa solo se la perdita cumulativa di coerenza resta sotto tau_global.

Questo è il punto strutturale dove una pipeline AI ordinativa si differenzia da una classica anche se ogni LLM-call individuale appare ok. Una proxy che misura solo l'output finale (come quello attuale di A01) non discrimina ordinatività della traiettoria.

6. Refine attivo R come operatore pre-step separato

6.1 Decisione strutturale

R è un morfismo categoriale (Cap. 4 Def 4.3-aderente, esteso): R: S_{i-1} → S_{i-1}', con propria entry in trajectory append-only. È operatore pre-step separato, non sub-routine intra-step di f_i.

Cinque argomenti per la separazione:

1. Distinzione concettuale tra refine reattivo e refine attivo: il primo modifica come f_i opera senza modificare S_{i-1} (intra-step), il secondo modifica S_{i-1} prima che f_i venga applicato (separato per natura). Conservare la distinzione richiede separazione strutturale.
2. Refine attivo agisce a monte del passo critico — è prevenzione strutturale del falso-ammesso, non correzione a posteriori. Intra-step perderebbe la separazione "a monte".
3. Trajectory append-only (P1): la modifica S_{i-1} → S_{i-1}' deve essere visibile per auditability. Intra-step la nasconderebbe.
4. Asimmetria di ruolo: R ≠ giudici post-refine. Intra-step renderebbe R parte di PIPE.
5. Gate proprio per la qualità del refine: il refine deve passare verifiche di qualità che non hanno corrispondente in f_i.

Costo accettato: overhead computazionale (R è morfismo separato) + complessità architetturale. Compensati dalla cattura strutturale.

6.2 Tre sub-tipi di R (minimo viable, non esaustivo)

I tre sono minimo viable strutturalmente per A01, non tassonomia esaustiva. Sub-classificazioni più fini sono specializzazioni:

• R-decomposition (spezzare in sotto-domande) è specializzazione di R-structural-injection;
• R-perspective-shift (ricontestualizzare da prospettive diverse) è specializzazione di R-context-augment.

Sub-classificazioni ulteriori sono riservate a calibration empirica.

6.3 Trigger di R

trigger(S_{i-1}) = AND( Phi-pot(S_{i-1}) < θ_R , criticità(f_i) ≥ θ_C )

con θ_R, θ_C pre-registrati per stratificazione di task. Logica:

• Phi-pot bassa AND criticità bassa: refine non vale il costo (Phi-real basso accettato).
• Phi-pot bassa AND criticità alta: R attivato per prevenire falso-ammesso strutturale.
• Phi-pot adeguata: R non necessario.

Coerente con asimmetria di costo (passi più vicini alla chiusura dell'orizzonte di refine richiedono trigger più sensibile). NON applicato uniformemente — applicato preferenzialmente sui passi dove il falso-ammesso costerebbe di più.

6.4 Gate proprio di R

R produce S_{i-1}' che passa due gate:

Aggregazione fail-fast: respinto se uno dei due fallisce. Il gate di f_i valuta l'azione (Coh + Phi); il gate di R valuta la modifica (Coh-fidelity + ΔΦ-pot). I due gate sono strutturalmente diversi e non collassano l'uno sull'altro.

6.5 Trajectory dopo R

Sequenza con R applicato:

S_{i-1} → R-event(S_{i-1}, S_{i-1}', Phi-pot') → f_i-event(S_{i-1}', S_i, Phi-real, Phi(f_i))

Append-only registra entrambi gli eventi distinti. Phi(f_i, S_{i-1}') = Phi-real(f_i, S_{i-1}') · Phi-pot(S_{i-1}'). Senza R: trajectory standard S_{i-1} → f_i-event(S_{i-1}, S_i, ...).

Trajectory permette di distinguere passi con e senza R nel debito ordinativo Σ(1 − coh_step).

6.6 Policy del refine — due livelli complementari

La policy del refine opera a due livelli distinti e complementari:

Livello 1 — Preventivo (pre-f_i)

Trigger §6.3 attivato → R applicato prima di f_i. Gestisce il caso "Phi-pot bassa + passo critico" a monte, prima che f_i venga eseguito. È il caso normale del refine attivo.

Livello 2 — Post-fallimento (post-f_i respinto)

Se f_i viene eseguita (perché trigger non attivato al livello 1) e il gate respinge f_i, la decisione opera a tre rami:

1. Phi-pot adeguata MA Phi-real basso: refine reattivo — rifare f_i con parametri diversi (prompt più ricco, più context) sullo stesso S_{i-1}. Phi-pot fissata, fallimento di realizzazione.
2. Phi-pot inadeguata (rivelata solo dal fallimento): refine attivo retroattivo — applicare R S_{i-1} → S_{i-1}', poi rifare f_i su S_{i-1}'. Caso "trigger non attivato al livello 1 ma Phi-pot effettivamente bassa" (criticità sottostimata o Phi-pot apparente alta vs operativa bassa).
3. Entrambi falliscono: respinta finale, escalation (criticità del passo determina cosa significa "escalation" per il task specifico).

I due livelli non sono alternativi, sono complementari:

• Livello 1 ottimizza per prevenzione (anti-falso-ammesso preventivo).
• Livello 2 fornisce robustezza contro mis-calibration del livello 1.

Una pipeline ordinativa completa implementa entrambi.

7. Asimmetria di ruolo a cinque famiglie

7.1 Componenti del sistema

7.2 Vincoli di asimmetria di esecuzione (runtime)

7.3 Vincoli di asimmetria di calibrazione

7.4 Risoluzione P-γ — lettura (c) condizionata

Se P-γ è il candidato scelto per p_phase-pot, va risolta concettualmente la natura di PIPE-canon. Tre letture candidate:

(a) PIPE-canon è LITERALLY un modo della stessa pipeline LLM — stessa rete, stessi pesi, solo decoding diverso (greedy vs sampling con apparato ordinativo). Auto-valutazione disguised — viola Q4.

(b) PIPE-canon è una pipeline distinta (modello-LLM diverso, scelto come "modello canonico di riferimento"). P-γ collassa essenzialmente a P-α (greedy completion entropy con baseline-LLM eterogeneo).

(c) PIPE-canon è la pipeline LLM in modo greedy senza apparato ordinativo runtime — stessi pesi del LLM sottostante, ma diverso livello (PIPE-canon = "PIPE meno il livello ordinativo runtime"). L'asimmetria di ruolo si applica al livello di apparato ordinativo, non al livello di pesi LLM sottostante.

Risoluzione: lettura (c) — l'asimmetria Q4 si applica al livello di apparato ordinativo. P-γ rimane viable, condizionato a tre verifiche simultanee:

• (C1) Nettezza empirica PIPE vs PIPE-canon: misurare divergenza tra output (es. embedding distance media + varianza). Soglia ε_C1 pre-registrata; se sotto, P-γ va declassato a P-α.
• (C2) Effetto qualitativo netto del layer ordinativo runtime: classificazione degli output su dimensioni qualitative. Se il layer non produce differenza qualitativa identificabile, (c) regredisce a (a).
• (C3) J-pot-p davvero eterogeneo: famiglia di modelli strutturalmente diversa da PIPE.

P-γ ammissibile solo se tutte e tre le condizioni sono verificate. Senza una qualunque, declassamento a P-α.

7.5 Tabella sinottica e cinque famiglie minime

Famiglie minime di modelli/agent distinti: cinque (PIPE, J-real, J-pot-p, J-pot-n, J-threshold) + grounding HUM.

7.6 Bilanciamento operativo: cinque famiglie come standard ideale, riduzioni controllate

L'argomento per cinque famiglie distinte regge: J-pot-p e J-pot-n stesso modello con prompt diversi avrebbero correlazione di bias intrinseca (sopravvalutazione/sotto-valutazione semantica condivisa nei domini specifici), invisibile dai dati di calibrazione. Il bias scompare con prompt diversi solo all'apparenza.

Tuttavia il costo materiale è significativo. Bilanciamento operativo:

• Cinque famiglie come requisito ideale.
• Combinazioni controllate ammesse con due vincoli non eludibili:
  • (i) correlazione di bias dichiarata nel claim A01: il claim si formula come "rispetto a giudizio eterogeneo a N famiglie distinte" con N esplicito (5, 4, 3, ecc.). Trasparenza pubblica.
  • (ii) stima empirica della correlazione + soglia massima accettabile pre-registrata (es. ρ ≤ 0.3).
• Mai trattare la riduzione come ottimizzazione invisibile: anti-pattern parente di D02 (vacuum-PASS) e D03 (post-hoc rescue).

8. Protocollo di calibrazione

8.1 Mappa gerarchica dei parametri

Numero di parametri: dell'ordine di 20-30 per stratificazione di task type, con almeno cinque stratificazioni.

8.2 Cinque elementi del protocollo

8.2.1 Set etichettato

8.2.2 Asimmetria di ruolo

8.2.3 Forma soglia Cap. 4-aderente

τ_Coh^M, τ_Phi^M, τ_Coh-R^M, δ_R^M come soglie singole per morfismo. Fail-fast implicita da max interno (vedi §4.2.3). Non soglie per-componente (esclusa da Cap. 4 Def 4.2).

Granularità: (morfismo) come default. Stratificazione per (morfismo, tipo di task) come estensione operativa.

8.2.4 Costi asimmetrici falso-ammesso ≫ falso-respinto

Asimmetria derivata strutturalmente dal framework variazionale α/β/Cost (§3). Falso-ammesso paga (1) il proprio (1 − coh) in β, (2) può attivare F-Comp1/F-Comp2 propagando il danno lungo la traiettoria. Falso-respinto paga Cost del refine + ε-β (se il refine ha coh ≈ 1).

Estensione al gate di R e al trigger:

• Falso-ammesso del gate-R (refine inefficace ma passa il gate): f_i esegue su S_{i-1}' ingannevolmente migliorato → propagazione del falso-ammesso a f_i. Costo strutturalmente alto.
• Falso-respinto del trigger-R (R non attivato quando serviva): f_i esegue su S_{i-1} con Phi-pot inadeguata → fallimento o falso-ammesso di f_i. Costo dipendente dalla criticità del passo.
• Falso-ammesso del trigger-R (R applicato quando non serviva): refine inutile + delay computazionale. Costo basso.

R_min^M per ciascun gate calibrato sull'asimmetria. Default uniforme (semplice da pre-registrare); stratificato per criticità come estensione (P).

8.2.5 Sigillamento crittografico immutabile

Tutti i parametri pre-registrati e sigillati prima della validazione. Il sigillamento è per-stratificazione di task type.

8.3 Verifiche pre-registrate

Tre verifiche da eseguire prima della validazione finale del claim. Ognuna pre-registrata, criteri di fallimento dichiarati.

8.3.1 Condizioni P-γ (C1, C2, C3)

Vedi §7.4. Verifica empirica della nettezza PIPE vs PIPE-canon, dell'effetto qualitativo netto del layer ordinativo, dell'eterogeneità di J-pot-p. Se una qualunque fallisce, P-γ va declassato a P-α per quella stratificazione.

Mai trattare il fallimento come "soglia da abbassare retroattivamente" (anti-D03).

8.3.2 Conservazione Phi-real ≤ Phi-pot

L'argomento "f_i non crea emergenza dal nulla" predice Phi-real ≤ Phi-pot strutturalmente. Verifica empirica: su sub-set umano, calcolare la frazione di passi in cui Phi-real > Phi-pot. Pre-registrare soglia accettabile ε_cons (es. ≤ 5% come rumore di misura).

Se la violazione supera ε_cons sistematicamente:

• F.D-product rimane valida (la moltiplicazione è legittima qualunque sia la conservazione).
• L'argomento positivo va riformulato come "tendenza statistica" non "legge strutturale".
• Dichiarazione esplicita nel claim A01.

Nessun aggiustamento post-hoc dei pesi o delle soglie per "salvare" la conservazione.

8.3.3 Mitigazione double-counting

Stratificazione τ_Phi^M per task type — τ_Phi più alto per task con n_global strutturalmente bassa (compensazione per la compressione naturale di Phi(f_i) quando p_phase domina e double-counting può amplificare). Stratificazione esplicita; mitigazione dichiarata, non occulta.

8.4 Stratificazione completa per task type

Sequenza di priorità (pre-registrata): formalizzabile > classe canonica nota > n_global degenerato > multi-step > semantico libero. Un task in più categorie va alla prima della sequenza.

Sub-osservazione segnata per rifinitura in calibrazione concreta: "n_global degenerato" è epistemicamente diverso dalle altre — è tipo di rischio (double-counting amplificato sul lato p_phase) più che tipo di task. Potrebbe essere trattato come modificatore applicabile a qualunque tipo invece che categoria stand-alone. Trattare ora come categoria stand-alone è scelta conservativa che preserva la stratificazione semplice; rifinitura possibile in implementazione successiva.

8.5 Cosa il protocollo NON fissa

Tutti i numeri concreti restano aperti, da fissare in calibrazione effettiva sotto pre-registrazione. Il protocollo fornisce il quadro, non i valori:

• valori concreti di N_M, R_min (uniforme o stratificato), soglia di allineamento κ;
• composizione precisa "casi al bordo / casi chiari" del set di calibrazione;
• valori specifici di τ_Phi, τ_Coh, θ_R, θ_C, δ_R, ε_C1, ε_C2, ε_cons;
• pesi w_p, w_n per ogni stratificazione;
• scelta del candidato definitivo per p_phase e n_global per ciascuna stratificazione di task.

La calibrazione concreta richiede sub-set umano + esecuzione del protocollo, ed è lavoro di implementazione successiva, sotto la disciplina qui definita.

9. Pipeline ordinativa vs pipeline classica

Pipeline classica P_cl applica f_1 → f_2 → ... → f_n senza gate. Accetta ogni output. Il fallimento si manifesta solo come errore osservabile a valle (allucinazione palese, off-topic, rifiuto del verifier).

Pipeline ordinativa P_ord applica gli stessi morfismi con:

• gate Adm_Omega ad ogni step (validità sintattica + Coh ≥ τ + Phi ≠ 0);
• gate sulla composta (la traiettoria mantiene coerenza globale);
• refine attivo R come operatore pre-step su trigger (Livello 1) o post-fallimento (Livello 2);
• decisione al respinto: backtrack / refine / abort ordinativo (la pipeline dichiara "non posso rispondere ordinativamente", non finge PASS).

Confronto fedele (questo è il chiodo che il proxy attuale di A01 manca):

Per equifinalità, due pipeline possono produrre output simili da processi molto diversi. Il confronto va misurato sul processo — traiettorie + decisioni di gate + drift cumulativo lungo la traiettoria — non sull'output finale. Per ogni task del benchmark:

• registrare la traiettoria intera di entrambe le pipeline;
• misurare Delta_cum come perdita di coerenza cumulativa lungo la traiettoria, non come funzione dell'output;
• includere casi dove l'output è equivalente tra le due ma la traiettoria è diversa — solo così la differenza ordinativa è isolabile.

Tre regimi possibili:

• pipeline ordinativa che non ha avuto reject: Coh_traiettoria massima, Cost ≈ baseline, α alta;
• pipeline ordinativa con reject + refine: Coh_traiettoria intermedia (degradata dal reject ma contenuta dal refine), Cost > baseline, α potenzialmente alta;
• pipeline classica con errore non corretto: Coh_traiettoria bassa (errore propaga), Cost ≈ baseline, α bassa.

10. Claim A01-raffinato

10.1 Forma del claim

Una pipeline ordinativa P_ord per task multi-step compositivi, costituita da:

• sequenza di morfismi f_i con gate ordinativo Phi(f_i, S_{i-1}) = Phi-real(f_i, S_{i-1}) · Phi-pot(S_{i-1}) (F.D-product, §4.3);
• componenti bipartite simmetriche (Phi-real e Phi-pot come somma pesata p_phase + n_global);
• refine attivo R come operatore pre-step separato (§6) con policy a due livelli complementari;
• trajectory append-only auditabile (§2.2) con eventi R-event distinti dagli f_i-event (§6.5);
• asimmetria stratificata a cinque famiglie distinte (§7.5) o riduzione controllata N < 5 con correlazione di bias dichiarata e pre-registrata (§7.6);
• calibrazione di tutte le soglie e parametri sotto il protocollo §8 (cinque elementi di §8.2 scalati, sigillamento crittografico immutabile per ogni stratificazione di task type);
• verifiche pre-registrate completate (§8.3): condizioni P-γ (C1+C2+C3), conservazione Phi-real ≤ Phi-pot, mitigazione double-counting;

ha α (integrità del nodo presente, §3.2) strettamente maggiore rispetto a una pipeline classica P_cl (stessi morfismi senza gate ordinativo, senza refine attivo, senza asimmetria stratificata) sul medesimo task multi-step compositivo, in expectation sul corpus etichettato di calibrazione, anche al costo runtime alto della pipeline ordinativa.

Più precisamente, sotto la disciplina del protocollo §8:

• α(P_ord) > α(P_cl) + ε_α (margine pre-registrato, dipendente dalla stratificazione);
• β(P_ord) < β(P_cl) (debito ordinativo come gap d'azione: la traiettoria ordinativa si avvicina alla geodetica ordinativa);
• Cost(P_ord) > Cost(P_cl) (costo runtime maggiore);
• il vantaggio in α giustifica l'investimento in Cost — esiste una regione di task (identificata dalla stratificazione §8.4) dove P_ord è strettamente preferibile.

10.2 Tre livelli di "elevazione del livello"

Il raffinamento "pipeline ordinativa eleva il livello della conversazione, non solo fa bene il task dato" è misurabile a tre livelli operativi:

A livello locale (per-passo): Phi(f_i) cattura il livello di emergenza ordinativa del passo come prodotto di potenzialità input + realizzazione azione. Penalizzazione attiva di canonicità via F.D-product (decadimento lineare al limite V1*).

A livello traiettoria (cumulativo): debito ordinativo Σ(1 − coh_step) (§3.1) come funzione di azione. La traiettoria ordinativa minimizza il debito, avvicinandosi alla geodetica ordinativa.

A livello refine attivo (input enrichment): R aumenta Phi-pot su S_{i-1}', alzando il tetto di emergenza realizzabile per il passo successivo. La pipeline non si limita a rispondere al meglio data la materia — crea condizioni di emergenza operando attivamente sull'input. È il senso operativo di "elevare il livello": l'apparato ordinativo runtime simula in modo costoso il comportamento di un terminale trainato ordinativamente.

10.3 Cinque vincoli per la validità del claim

Il claim A01-raffinato è valido solo se sono soddisfatti tutti i seguenti vincoli, non eludibili:

1. Disciplina del protocollo §8: cinque elementi (set etichettato + asimmetria + soglia singola + costi asimmetrici + sigillamento) tutti applicati, sigillamento immutabile per ogni stratificazione.
2. Asimmetria stratificata: cinque famiglie distinte oppure N < 5 con correlazione di bias pre-registrata e verificata empiricamente sotto soglia accettabile.
3. Verifiche pre-registrate completate: condizioni P-γ (C1+C2+C3), conservazione Phi-real ≤ Phi-pot (con dichiarazione esplicita se violata sistematicamente), mitigazione double-counting via stratificazione τ_Phi esplicita.
4. Sub-set umano qualificato: ordine di decine di migliaia di esempi etichettati con qualità expert-level dominio-dipendente, su tutte le stratificazioni.
5. Trajectory append-only auditabile: ogni R-event e f_i-event registrato distintamente per audit del debito ordinativo.

Senza questi vincoli, A01-raffinato collassa al caso D02 (vacuum-PASS, asimmetria collassata) o D03 (post-hoc rescue, parametri spostati post-validazione).

10.4 Cosa A01-raffinato NON dice — onestà esplicita

• NON dice che P_ord è sempre preferibile: la regione di task dove P_ord è strettamente preferibile è identificata in calibrazione (stratificazione §8.4); fuori da quella regione il vantaggio non è dimostrato. Il claim è localmente vero sulla regione identificata.
• NON dice che la pipeline ordinativa runtime è la soluzione finale: il vantaggio funzionale al costo alto è la motivazione per il training ordinativo nativo (fuori scope A01). A01 dimostra il vantaggio, non lo ottimizza.
• NON dice che il refine attivo R è sempre necessario: R è applicato solo quando trigger §6.3 scatta (Livello 1) o post-fallimento (Livello 2). Task con Phi-pot alta + criticità bassa non richiedono R.
• NON dice che il livello della conversazione si eleva indefinitamente: la pipeline è auditabile e ha gate; il livello si eleva fino a soglia, oltre la quale il debito ordinativo cresce.
• NON dice che la conservazione Phi-real ≤ Phi-pot è legge strutturale universale: è argomento verificabile empiricamente in §8.3.2; se violazione sistematica, il claim si riformula come "tendenza statistica" ma F.D-product resta valida.

11. Limiti onesti del design

11.1 È registro di traduzione, non implementazione

Il design fornisce il quadro concettuale, le forme delle metriche, il protocollo di calibrazione. Tutti i numeri concreti, le scelte specifiche di candidati per stratificazione, le calibrazioni effettive sono lavoro di implementazione successiva, sotto la disciplina del protocollo §8. La separazione è coerente con il principio "design vs implementazione".

11.2 Caso concreto considerato è una pipeline a 4 step

Pipeline più complesse (multi-agent con branching dinamico, recursion profonda, tool use con feedback loop) richiederanno estensioni del design corrente. L'argomento strutturale è invariante (gate per-passo + gate sulla composta + asimmetria + protocollo), ma il costo materiale cresce con la complessità e la stratificazione per task type va estesa.

11.3 I ponti TE↔OCT sono ponti, non istanziazioni formali

Tutti i mapping (Coh ← coerenza interna sotto trasformazione, Phi ← controfase strutturale, ecc.) sono ponti che usano il registro pubblicato da Ghioni. Non sono validati formalmente come istanziazioni di Cap. 8 Def 8.11 (che è benchmark fisico standing-wave, dominio-specifico). La validazione formale di questa traduzione (mostrare che le operativizzazioni candidate per pipeline AI soddisfano le proprietà che p_phase e n_global hanno nel benchmark fisico) è essa stessa lavoro aperto.

11.4 Gate sulla composta è la parte più aperta operativamente

Concettualmente solido (deriva direttamente da Cap. 4 Def 4.3 condizione 3), ma operativamente richiede Coh_traiettoria definita esplicitamente — funzione di decadimento, soglia globale tau_global, relazione precisa con i Coh(f_i) locali. Il design corrente la lascia come operativizzazione candidata (P), da chiudere in implementazione.

11.5 Pre-condizione di realizzabilità del protocollo di calibrazione

La costruzione di un set di calibrazione etichettato (multi-judge, multi-ruolo, sui quattro tipi di morfismo, con casi al bordo, su cinque stratificazioni di task type) ha costo reale di risorse umane qualificate non eludibile. Ordine di grandezza: migliaia di esempi etichettati expert-level per stratificazione → totale dell'ordine di decine di migliaia di esempi su tutte le stratificazioni.

"Expert-level" è dominio-dipendente: per task tecnici (logica, matematica, codice) richiede qualifiche specifiche (PhD-level + esperienza nel sub-dominio); per task di sintesi semantica libera, expert-level è meno pre-determinato (reviewer accademici, comunità di pratica con track record). La specificazione del livello di etichettatura va fissata per task type al momento della costruzione del sub-set umano, e dichiarata nel protocollo §8.2.5.

Il protocollo §8.2.2 ammette LLM-as-judge eterogeneo solo come moltiplicatore di un sub-set umano (20–30%), non come sostituto. Saltare questa pre-condizione collassa il referente del claim A01 al modello giudice e produce A01-vacuum nel senso di D02. Questa pre-condizione è ciò che separa A01-raffinato da A01-degenere.

11.6 Cinque famiglie distinte: costo materiale significativo

Cinque famiglie di modelli/agent distinti (PIPE, J-real, J-pot-p, J-pot-n, J-threshold) + sub-set umano è costo materiale. Riduzioni controllate ammesse con dichiarazione esplicita di N e correlazione di bias pre-registrata, mai elusione invisibile. Per pipeline multi-step compositive, l'asimmetria si applica per-passo — il costo è per-passo, non di scala per l'intera pipeline.

12. Direzioni di sviluppo future (fuori scope A01)

12.1 Training nativamente ordinativo

L'idea: invece di applicare un gate ordinativo come strato sopra un LLM esistente (gate-and-correct architecture), trainare l'LLM con una loss function che incorpora il debito ordinativo, in modo che il modello produca traiettorie ordinative di default, senza bisogno di refine post-hoc.

Tre livelli del lavoro:

1. Training (primario): loss ordinativa che penalizza coh_step < 1, premia Phi > 0 (anti-sterilità), introduce parsimonia computazionale (anti-debito). Principio variazionale di minima azione ordinativa come framework guida.
2. Inference runtime (guardia di secondo livello): anche un LLM ordinativamente trainato non sarà perfetto. Il gate runtime esiste come guardia, non come correttore primario.
3. Evaluation (per chiudere il loop): il gate è anche lo strumento per misurare se un LLM è ordinativo.

A01 (sui modelli attuali con gate runtime) è il presupposto dimostrativo per giustificare il training ordinativo. Se A01 regge, allora il vantaggio funzionale c'è anche al costo attuale alto del gate runtime → vale la pena investire nel training ordinativo perché in quel regime il costo del comportamento ordinativo scende drasticamente.

Possibile collocazione futura nel programma OCT: nuovo vettore di oct_extension_vectors.md ("training ordinativo nativo") o estensione del vettore A.

12.2 Pipeline multi-step compositive complesse

A01-raffinato si applica per-passo nelle pipeline complesse (multi-agent, branching). Il costo cresce con la complessità ma l'argomento strutturale è invariante. Estensione naturale a Cap. 4 composizione gates F-Comp1/F-Comp2.

12.3 Estensione a domini specifici

La stratificazione §8.4 è un primo passo. Estensioni a domini specifici (peer-review scientifica, dialogo terapeutico, decision-making medico, ecc.) richiedono ri-stratificazione e ri-calibrazione del protocollo §8 con sub-set umano specifico del dominio.

12.4 Schema di benchmark fedele per A01

Il design del gate è completo; lo schema di benchmark per A01 fedele resta aperto come lavoro di implementazione. Lo schema deve:

• includere task dove output ordinativo ≈ output classico ma traiettoria distinta (per isolare la differenza di processo);
• registrare la traiettoria intera, non solo l'output;
• includere la dimensione Cost esplicitamente, non solo α/β;
• coprire la stratificazione §8.4;
• rispettare la disgiunzione strutturale set-calibrazione / set-benchmark (§8.2.1) per evitare contaminazione.

12.5 Connessione con la tassonomia degli anti-pattern di validazione

Il design del gate ordinativo per A01 è coerente con il gate ex ante proposto in validation_anti_patterns.md come rimedio strutturale agli anti-pattern A01-shift-di-livello, D03-post-hoc-rescue, D02-vacuum-PASS. Il design implementa concretamente il gate ex ante per il caso A01: ogni metrica è etichettata (O/P/C), ogni soglia è pre-registrata, l'asimmetria di ruolo è strutturale, le verifiche pre-registrate impediscono il post-hoc rescue. Una pipeline che rispetta questo design è una pipeline che non può cadere nei tre anti-pattern.

Appendice A — Mappa delle sezioni del file di lavoro originale

Il file a01_gate_design_draft.md (1684 righe) contiene la genesi cronologica del design. Mappa delle sezioni principali per chi voglia tracciare la derivazione:

• §1-§9 — bozza iniziale del design con sette punti aperti (inclusi gate per-step su pipeline RAG minimal, derivazione dai capitoli OCT, ponti TE↔OCT)
• §10 — Punto 6 chiuso: rappresentazione computazionale della singolarità
• §11 — Punto 1 chiuso: Coh per LLM-step
• §12 — Punto 2 chiuso: Phi per LLM-step (forma originale, prima del raffinamento 2.bis)
• §12bis — Cornice variazionale: principio di minima azione ordinativa
• §13bis — Sub-punto 2.bis decantato: Phi come danza, Phi-potenziale vs Phi-realizzata, refine attivo
• §16 — Punto 3 fase 1 chiuso: protocollo di calibrazione di τ_Coh
• §17 — Savepoint sessione 2026-04-30/05-01
• §18 — Sub-punto 2.bis Q1 enumerazione vincolata (cinque forme F.A-F.E, eliminazioni F.A/F.B/F.C)
• §19 — Sub-punto 2.bis Q2-a + Q2-b: decomposizione bipartita di Phi-pot, operativizzazione enumerata
• §20 — Sub-punto 2.bis Q1-chiudi: scelta F.D-product
• §21 — Sub-punto 2.bis Q4: asimmetria di ruolo a cinque famiglie, risoluzione P-γ
• §22 — Sub-punto 2.bis Q6: architettura del refine attivo R
• §23 — Sub-punto 2.bis Q3 fase 2: protocollo di calibrazione completo
• §24 — Sub-punto 2.bis Q5: claim A01-raffinato come sintesi finale

Fine del documento.