NOTUGLY-S：学\"不丑\"而非\"美\"——NLP 与程序分析融合训练提案¶
🌐 语言 / Language：中文 · English
Provenance（来源与元数据）
| id | marginalia-003 |
| title | NOTUGLY-S：学\"不丑\"而非\"美\"——NLP 与程序分析融合训练提案 |
| date | 2026-08-15 |
| published | 2026-08-15 |
| kind | proposal（提案笔记） |
| issue | 2 |
NOTUGLY-S：学"不丑"，不学"美"¶
如果民族志说"美"多元且被悬置、"丑"具体且被制裁，为什么还坚持训练模型去给"美"打分？这个提案把目标倒过来——而它的架构本身就是对该理论的检验。
倒转¶
随想 001 停在 Fedorova 的结论上："美"是组织性的、被有意悬置；"丑"可指认，并通过评审制裁执行——负面评论之后跟着修订、revert 或 request-changes。NOTUGLY-S（v1.1）把这句话直接当作监督信号。
打分器¶
一个以仓库为条件、跨语言的"不丑"打分器：
s(x) = g_θ(d) + h_φ(d, c_r) + α·reviewer + ε
g_θ 全局（跨仓库可迁移），h_φ 局部（以仓库档案 c_r 为条件），α·reviewer 人在回路项——按轴输出"不丑"概率，永不出单一"美"分。监督来自评审制裁，而非静态标签。
问题与假设¶
- RQ1 可学性 · RQ2 信号价值 · RQ3 模态贡献 · RQ4 理论检验。
- H1 仓库内 AUROC 高全局模型 ≥0.05 · H2 修订对优于静态标签 · H3 全局+局部分解有效 · H4 双模态>单模态 · H5 生态效度（标记与 revert/30 天 churn 相关）· H6 作者身份置换不变性（KL 低于阈值）· H7 跨语言迁移：
g可迁移、h锚定在仓库层。
三轨并行¶
- 层次可解释模型 —— 全局 GBM + 逐仓库贝叶斯收缩。
- 图-文融合 Transformer —— 7–14B 开源代码 LLM + LoRA；diff + repo card + 线性化程序图；DPO。
- 偏好专线 —— Bradley–Terry / DPO。
程序分析侧：tree-sitter 统一 8 语言 AST + 惯用表；复杂度/命名/克隆/图特征，按 (语言, 是否测试) 百分位归一。NLP 侧：评审评论、commit/issue 文本、Snorkel 式弱监督、PU 学习。
评估¶
仓库内时间外推 AUROC/AUPRC · 30 天 churn 生存分析（C-index、Cox HR）· 修订对排序 · 行级归因 IoU · 标注一致性 α≥0.7。基线：SonarQube、LLM zero-shot、LLM+repo-card、CodeReviewer DQE。跨语言主张用留一语言检验；偏差用作者置换探针。
玩具原型已就位¶
notugly.py——规则版，Python AST，L1–L3 三层。notugly2.py——tree-sitter 跨语言版，百分位分层回退。express/flask/gin 三份仓库档案（文件、命名风格、分布、commit 大小、热点、revert 记录）充当"仓库自身分布"——一切偏离都对着它判。
伴随调研¶
从 McCabe 到 ISO 5055 到 LLM-as-judge，六层定量"好代码"度量在结构上都是丑探测器，受四重约束：Goodhart 定律、共线性、阈值任意性、层次错位。跨源规范语料（Google eng-practices、PEP 8、Rust API 指南、Swift、Linux 内核、CISQ；数千条条文）配八字段 schema（极性、可自动化性、冲突、执行机制……），导出三个可检验假说：禁令主导；共识内核+仓库局部残差可干净分解；阈值数字的跨源分布本身有信息量。
现状¶
提案 v1.1（跨语言设计 + notugly2 验证）、玩具原型、调研——全部完成于 2026-08-15。下一步：在真实评审语料上挖制裁信号，然后上 Track A。
溯源¶
| 字段 | 内容 |
|---|---|
| 数据 | code_beauty_simplification/（提案 v1.1 + 调研 + notugly/ 原型）；随想 001 的上游语料 |
| 初始 prompt | "把 Fedorova 的'制裁/模仿/不丑'解读变成一个可检验的 ML 目标——NLP 遇上程序分析。" |
| 时间 | 提案 v1.1 2026-08-15 · 笔记发布 2026-08-15 |
| Agent / 模型 | ZCode CLI · GLM（智谱） |
| Issue | #2 |