# فحص الجاهزية أمام اللجنة — Final Committee Readiness Check
تاريخ الفحص: 2026-06-21 · أُجري على 5 صفحات حقيقية عبر الـ pipeline الكامل (المنفذ 8001).

---

## 1. حالة الـ pipeline

| المكوّن | القيمة المستخدمة |
|---|---|
| نموذج التجزئة (segmentation) | `seg_finetuned_v4.mlmodel` (عام) · `logic_philosophy_v2_seg.mlmodel` (المنطق) |
| نموذج التعرّف (recognition) | `transcription_finetuned_best.mlmodel` (عام، رمادي L) · `logic_philosophy_v2_rec` (المنطق) |
| الراوتر | مُفعّل (auto): يكشف الإطار المسطّر → نموذج المنطق، وإلا العام |
| بوابة LM (gated) | **مُفعّلة** · `char8_trainval.lm` · عتبة ثقة 0.95 · سقف تغيير 0.5 · `USE_LM` العام = OFF |
| مزوّد LLM | **OpenAI** · سهل `gpt-5.4-mini` (شرح/مصطلحات/بدائل) · صعب `gpt-5.5` (تصحيح سطر سياقي) |
| كاش القص اليدوي (manual seg) | متاح، **لم يُستخدم في هذا الفحص** (كل الصفحات بقص آلي لقياس الحالة الواقعية) |
| nlbin / enhance / resize / deskew | **كلها مُطفأة** (المسار الآمن المطابق لـ eScriptorium) |

> ملاحظة: النموذج اللغوي يعمل **بصرياً (visual order)** داخل الـ beam (shallow fusion) مع بوابة ثقة per-line: سطر عالي الثقة → greedy؛ منخفض الثقة → LM؛ وإن غيّر LM أكثر من السقف يُرفض ويُوسم `uncertain` (لا تخريب صامت).

---

## 2. نتائج الصفحات

| Page | Type | Route | Segmentation | Recognition | Gated LM used? | LLM used? | Result quality (CER vs GT) | Notes |
|---|---|---|---|---|---|---|---|---|
| BULAC_1983_177819 | شرقي سهل | general | v4 آلي | عام | نعم (0 تغييرات — ثقة عالية) | عند الطلب | **2.4% — ممتاز** | أفضل صفحة للعرض |
| BULAC_1977_0092 | مغربي سهل | general | v4 آلي | عام | نعم (1 تغيير) | عند الطلب | **6.4% — جيد** | جاهزة للعرض |
| BULAC_1944_0006 | مغربي سهل | general | v4 آلي | عام | نعم (1 تغيير مفيد) | عند الطلب | **8.4% — جيد** | جاهزة للعرض |
| logic_page_16 | منطق | logic | **GT/يدوي** ✅ | logic | نعم | عند الطلب | **3.6%** (كان 32.9% آلي) | أُصلح: يُعرض بقص GT (`عرض_منطق_قص_GT/`) |
| logic_page_17 | منطق | logic | **GT/يدوي** ✅ | logic | نعم | عند الطلب | **3.2%** | جاهز للعرض بقص GT |
| BULAC_417_0011 | مغربي سهل | **general** ✅ | v4 آلي | عام | نعم | عند الطلب | **4.6%** (كان 58.3%) | أُصلح: خطأ الراوتر صُحّح (cf>0.92) |

**خلاصة الجدول (بعد الإصلاحين):** كل الصفحات المُختبَرة الآن **2.4–8.4%** (جاهزة):
- ✅ **خطأ الراوتر صُحّح:** 417 لم تعد تُصنّف «منطق» (58%→**4.6%**). كل الصفحات العادية تُوجَّه general.
- ✅ **قص المنطق:** يُعرض بقص GT/يدوي (32.9%→**3.2–3.6%**)؛ القص الآلي يبقى حدّاً معروفاً لتخطيط المنطق الكثيف.
- ⚠️ **بعد نشر إصلاح الراوتر: امسح الكاش مرة** (`POST /api/ocr/cache/clear`) — تغيير كود الراوتر لا يُبطل مفاتيح الكاش القديمة تلقائياً.

---

## 3. أمثلة نجاح gated LM (النموذج اللغوي المصغّر)

5 عينات (مُتحقَّق منها مقابل GT — «final» أقرب لـ GT من «greedy»). مرتّبة بالأوضح:

| # | Page | Line (نص) | Greedy/raw OCR | Gated LM final | What changed | Why it helped |
|---|---|---|---|---|---|---|
| 1 | 1944_0006 | اسم علَم | `الوحفص كمرموم` | `ابو حفص عمر موج` | فصل/تصحيح «ابو حفص عمر» | GT=«ابو حفص عمر موجد»؛ مسافة التحرير 6→1. اللغة رجّحت اسم العَلَم الصحيح |
| 2 | logic_p16 | متن | `الايتاء المتعددة حبث يطلق` | `الانياء المتعددة بحث يطلق` | الايتاء→الانياء، حبث→بحث | GT=«الاشياء المتعددة بحيث»؛ 4→2. صحّح حرفين قرّبا الكلمة من الصواب |
| 3 | logic_p16 | متن | `قوله ماان يذوت بتيع التصورات` | `قوله لما ان يكون جميع التصورات` | يذوت بتيع→يكون جميع | 23→20؛ أعاد بناء عبارة اصطلاحية متكرّرة في المتن |
| 4 | 417_0011 † | متن | `حرالفلب)لنسب وكل حنه جسل` | `و القلب النصب والجنه جل` | عدة كلمات | 13→7. تحسّن واضح لكن السطر يبقى ناقصاً (الصفحة مُساء توجيهها) |
| 5 | 417_0011 † | متن | `صح بحضر البا ال توقسرلي ذله` | `م بحضر الام وسلك ال` | عدة كلمات | 23→17. تحسّن جزئي على صفحة مُساء توجيهها |

† العينتان 4–5 على صفحة 417 المُساء توجيهها (نموذج خاطئ)؛ التحسّن حقيقي بالمسافة لكن السطر يبقى ضعيفاً. **العينات 1–3 هي الأقوى للعرض.**

> على الصفحات السهلة النظيفة (1983) البوابة **لا تتدخّل** (كل الأسطر greedy) — هذا **مقصود** (do-no-harm): اللغة تُصلح الصعب ولا تلمس السهل الصحيح.

---

## 4. أمثلة نجاح LLM السياقي (اقتراح/annotation — لا تغيير صامت)

5 عينات. الـ LLM يُرجع **اقتراحاً + تعليلاً** يظهر في الواجهة كبديل (badge)، ولا يكتب فوق النص تلقائياً:

| # | Page | OCR text | LLM suggestion + explanation | Why useful |
|---|---|---|---|---|
| 1 | 1944_0006 | `المصادمة` | → **`المصامدة`**: «السياق في خبر ابن تومرت ودعوة قبائل المصامدة» | يميّز اسم قبيلة أمازيغية من خطأ بصري قريب — لا يعرفه التعرّف وحده |
| 2 | 1983_177819 | `اليه من النفقة واللسوهو ينبقي` | → **`...والكسوة وينبغي`**: «تدعمها المرشحات والسياق مع النفقة» | يصحّح كلمتين مشوّهتين عبر تلازم «النفقة والكسوة» |
| 3 | 1983_177819 | `فاذا قبل امانتتهم لزمه` | → **`فاذا قبل ايمانهم لزمه`**: «السياق السابق فيه واذا حلفوا» | استدلال سياقي بعيد المدى (سطر سابق) يتعذّر على char-LM |
| 4 | logic_p16 | `رقالرذفيب` (مشوّه) | → **`فالترتيب`**: «قربها البصري من المرشّح + السياق المنطقي» | يستعيد كلمة من ركام بصري شبه معدوم |
| 5 | 1944_0006 | `علي بن يوسف فخرج هو وتلامذته...` | → «لا تغيير؛ القراءة موافقة للسياق» (تأكيد) | يؤكّد صحة السطر بدل تغييره — **يثبت حماية القراءات الصحيحة** |

> آلية الأمان: عند تطابق اقتراح LLM مع OCR يُوسم «تأكيد» (`changed=false`)؛ التصحيح يبقى مرشّحاً يعتمده المستخدم بضغطة، لا استبدالاً تلقائياً.

---

## 5. أمثلة القراءات البديلة (candidate readings — beam بصري + ترجيح)

5 أمثلة (المرشّحات من beam صورة السطر، والترجيح بالسياق/LLM):

| # | Page | Line | Candidate 1 | Candidate 2 | Selected/Recommended | Reason |
|---|---|---|---|---|---|---|
| 1 | 1944_0006 | قبيلة | المصامدة | المصادمة | **المصامدة** | السياق التاريخي (ابن تومرت) يرجّح القبيلة |
| 2 | 1983_177819 | فقه | والكسوة | والكسوه | **والكسوة** | الإملاء السليم + تلازم «النفقة» |
| 3 | logic_p16 | منطق | فالترتيب | قالترتيب | **فالترتيب** | فاء العطف أنسب للسياق المنطقي |
| 4 | 1977_0092 | عدد الأنبياء | وعشرون الف نبىء | وعشرون الف نبيء | **وعشرون الف نبىء** | السياق (عدد الأنبياء) + المرشّح البصري |
| 5 | 1983_177819 | يمين | ايمانهم | امانتهم | **ايمانهم** | السطر السابق «واذا حلفوا» يرجّح اليمين |

> القيمة: كل مرشّح بدرجته (بصري/سياق)، قابل للفحص؛ المستخدم يرى البدائل ويعتمد الأنسب بنفسه.

---

## 6. اختبار الفهرس (catalog)

الفهرس: **35,632 عملاً، 49,980 نسخة** (Fihrist 26,953 + OpenITI 8,684). بحث غير حسّاس للتشكيل + مطابقة محتوى تجريبية.

| Query / Entity | Result from catalog | Matched work/author | Useful? | Notes |
|---|---|---|---|---|
| `الشمسية` | العقد الثاني في قواعد الشمسيه | تقليد الرسالة الشمسية المنطقي | ✅ جزئياً | عمل ذو صلة بالتقليد لا النسخة بعينها |
| `al-Razi` | Mafatih Ghayb (6 نسخ) | مفاتيح الغيب — فخر الدين الرازي | ✅ نعم | تعرّف صحيح على المؤلف وأعماله |
| `منطق` | Islah Mantiq (3 نسخ) | إصلاح المنطق | ✅ نعم | يجد أعمال المنطق |
| `Shamsiyya` | The Shamsiyyah Sulṭāns of Hindūstān | عمل تاريخي مختلف | ⚠️ لا | تشابه اسمي يضلّل (ليست الرسالة المنطقية) |
| مطابقة محتوى (نص المنطق) | عمل طبّي عن «اختلاط الأخلاط» | — | ❌ لا | المطابقة **تجريبية على بيانات وصفية لا نص كامل** |

**الحكم الصريح:** الفهرس **يعمل للبحث بالعنوان/المؤلف** (مفيد لتحديد عائلة العمل والمؤلف ومواقع النُّسخ). أمّا **مطابقة المحتوى من نص OCR فضعيفة/تجريبية** (الفهرس بيانات وصفية لا نصوص كاملة — والنظام يصرّح بذلك في رسالته). **لا تُعرض مطابقة المحتوى كإثبات تطابق أمام اللجنة**؛ اعرض البحث بالعنوان/المؤلف فقط.

---

## 7. حدود النظام (بصراحة)

- **صفحات صعبة لا تصلح للعرض الآلي:** 1926 / 1947 / 1936 (تخطيطات يُفرط القص الآلي في تقسيمها — حدّ معروف للـ HTR الآلي).
- **صفحة المنطق:** القص الآلي يُفرط (32.9%) — **حُلّ بقص GT جاهز** (`عرض_منطق_قص_GT/`: 3.2–3.6%). تُعرض من هذا المجلد لا بقص آلي.
- **~~خطأ راوتر 417~~ → أُصلح** (cf>0.92): الصفحات العادية تُوجَّه general تلقائياً. **بعد النشر امسح الكاش مرة.**
- **ميزات LLM:** تتطلب مفتاح OpenAI صالحاً برصيد (متوفّر الآن)؛ عند انقطاعه تتراجع للبدائل المحلية الأضعف.
- **مطابقة محتوى الفهرس:** تجريبية — لا تُقدَّم كإثبات (البحث بالعنوان/المؤلف فقط).

---

## 8. توصية العرض

**أفضل 5 صفحات للعرض live (قص آلي، بلا تدخّل):**
1. BULAC_1983_177819 (شرقي، **2.4%**) ⭐
2. BULAC_1977_0092 (مغربي، 6.4%)
3. BULAC_1977_0136 / 0153 (نفس المخطوطة الجيدة)
4. BULAC_1944_0006 (مغربي، 8.4%)
5. BULAC_1982_182182 أو نظيراتها الشرقية النظيفة

**أفضل صفحتين لإظهار LLM explanation:**
- 1944_0006 (المصادمة→المصامدة — تمييز قبيلة بالسياق التاريخي)
- 1983_177819 (امانتتهم→ايمانهم — استدلال من سطر سابق)

**أفضل صفحتين لإظهار gated LM correction:**
- 1944_0006 (الوحفص→ابو حفص عمر)
- logic_page_16 **من `عرض_منطق_قص_GT/`** (الايتاء→الانياء)

**أفضل صفحة لإظهار الفهرس:**
- بحث `al-Razi` أو `منطق` (نتائج مؤلف/عمل صحيحة + مواقع نُسخ) — **بالعنوان/المؤلف، لا مطابقة المحتوى**.

**صفحات لا تُعرض live:** 1926 / 1947 / 1936 (قص آلي عصيّ) · مطابقة محتوى الفهرس.
**أُصلحت وصارت صالحة:** 417_0011 (الآن general تلقائياً، 4.6%) · صفحة المنطق (من `عرض_منطق_قص_GT/`، 3.2–3.6%).