README.md

Training Framework — Méthodologie d'Entraînement

🎯 Objectif

Le Training Framework explique comment entraîner un agent à raisonner structurellement, sans règles explicites.

📁 Structure

02_training_framework/
├── methodology.md        # Comment entraîner un agent
├── invariants.md        # Invariants émergents
├── evaluation.md        # Comment évaluer un agent
└── exercise_template.md # Template générique d'exercice

🎓 Méthodologie

Principe Fondamental

Les décisions doivent émerger de la structure, pas de règles explicites.

Étapes d'Entraînement

1. Structurer le problème en graphe
2. Identifier les signaux pertinents
3. Définir les relations entre signaux
4. Tester la convergence des signaux
5. Évaluer l'émergence des décisions

🔑 Invariants Émergents

Les invariants sont des propriétés qui émergent naturellement :

• Convergence : Plusieurs signaux convergents → accepted
• Instabilité : Trop de signaux incertains → partial
• Insuffisance : Pas assez de signaux → refused

Voir invariants.md pour plus de détails.

📊 Évaluation

Un agent est évalué sur sa capacité à :

• Faire émerger des décisions correctes
• Justifier ses décisions structurellement
• Gérer l'incertitude (décisions partial)

Voir evaluation.md pour le protocole complet.

📝 Créer un Exercice

Utiliser exercise_template.md comme base pour créer un nouvel exercice.

🚀 Prochaines Étapes

1. Lire methodology.md pour comprendre la méthodologie
2. Lire invariants.md pour comprendre les invariants
3. Lire evaluation.md pour comprendre l'évaluation
4. Explorer 03_domains/devops/ pour voir des exemples concrets