fix(dashboard): UI-Politur-Buendel A (#320-#324)

generative/eval_dashboard_server.py

@@ -600,15 +600,24 @@ def build_data(
     # quality_rows -- dieselbe "vor allen Filtern"-Konvention wie die
     # Options-Liste selbst, sonst wuerde z. B. ein aktiver PDF-Filter die
     # angezeigten Zaehler unerwartet mitverschieben.
+    # #320: valide Zeilen ohne run_id-Match zu einem Modell (kein Token-Run
+    # gefunden, oder Token-Run traegt kein model) zaehlen in KEINER der obigen
+    # Modell-Optionen mit -- Dropdown macht diese Luecke sonst nicht kenntlich
+    # (Bilanz-Beispiel Statistiker-Review: 479 valide 4.1-Zeilen = 442 mit
+    # Modell-Zuordnung + 37 ohne). Zahl kommt direkt aus demselben Zaehl-
+    # Durchlauf wie _model_valid_n, keine separate Neuberechnung.
     _run_model_map: dict[str, str] = {tr["run_id"]: tr.get("model", "") for tr in token_runs if tr.get("run_id")}
     _model_valid_n: dict[str, int] = {}
+    _models_unmatched_n = 0
     for _r in _matrix_base_rows:
+        _hall = _r.get("hallucination_rate")
+        if _hall is None or float(_hall) < 0:
+            continue
         _m = _run_model_map.get(_r.get("run_id"), "")
         if not _m:
+            _models_unmatched_n += 1
             continue
-        _hall = _r.get("hallucination_rate")
-        if _hall is not None and float(_hall) >= 0:
-            _model_valid_n[_m] = _model_valid_n.get(_m, 0) + 1
+        _model_valid_n[_m] = _model_valid_n.get(_m, 0) + 1
     _model_names = sorted(
         {
             mdl
@@ -1039,6 +1048,7 @@ def _pooled_accept(ver: str) -> float | None:
         "kpi_trend": kpi_trend,
         "all_langs": all_langs,
         "all_models": _all_models_opts,
+        "models_unmatched_n": _models_unmatched_n,
         "all_pvers": _all_pvers_opts,
         "all_pdfs": _all_pdfs_opts,
         "all_runs": _all_runs_opts,
@@ -1117,17 +1127,24 @@ def _chart_scatter_versioned(quality_rows: list[dict], pipeline_runs: list[dict]
         label = _re.sub(r"^(vault|inbox)__", "", label).replace(".md", "")
         pdf = r.get("pdf") or r.get("source_pdf") or "unbekannt"
         ver = r.get("version") or r.get("pipeline_version") or "unbekannt"
-        if pdf not in pdf_map:
-            pdf_map[pdf] = D._pdf_short_name(pdf)
+        # #323: Dict-Key ueber den kanonischen Gruppen-Schluessel bilden statt
+        # ueber den Rohstring -- sonst landen zwei Rohvarianten derselben Quelle
+        # (z. B. "Bates (2017)" und "bates-2017") als zwei separate Legenden-
+        # Eintraege in zwei Farben. Derselbe Kanonisierungs-Pfad wie die
+        # per-PDF-Tabelle (`_calc_pdf_table`/`_label_for`, #311); Label weiter
+        # aus `_PDF_LABELS`/`_pdf_short_name`.
+        pdf_key = D._pdf_group_key(pdf) or pdf
+        if pdf_key not in pdf_map:
+            pdf_map[pdf_key] = D._PDF_LABELS.get(pdf_key) or D._pdf_short_name(pdf)
         if ver not in versions:
             versions.append(ver)
         points.append(
             {
                 "x": round(float(hall) * 100, 1),
                 "y": round(float(cov) * 100, 1),
                 "label": label,
-                "pdf": pdf,
-                "pdf_label": pdf_map[pdf],
+                "pdf": pdf_key,
+                "pdf_label": pdf_map[pdf_key],
                 "version": ver,
                 # Drill-Down-Drawer: Identifikation + Refresh-Persistenz-Key
                 "run_id": r.get("run_id", ""),

generative/tests/test_dashboard_model_filter_n_valid.py

@@ -126,6 +126,44 @@ def test_all_models_still_excludes_denylisted_smoke_models(monkeypatch):
     assert models == {"anthropic/claude-opus-4-7"}
 
 
+# ── #320: valide Zeilen ohne run_id-Match zu einem Modell ──────────────────
+
+
+def test_models_unmatched_n_counts_valid_rows_without_run_id_match(monkeypatch):
+    """Zeile n2 haengt an run_id "r-orphan", zu der es KEINEN token_run gibt
+    (kein DB-Join moeglich) -- sie zaehlt in KEINER Modell-Option, muss aber
+    in models_unmatched_n auftauchen (Statistiker-Review-Bilanz: 479 valide
+    Zeilen = 442 mit Modell-Zuordnung + 37 ohne)."""
+    pipeline_runs = [_pipeline_run("r-claude", "anthropic/claude-sonnet-4-6")]
+    token_runs = [_token_run("r-claude")]
+    evals = [
+        _eval_row("n1", "r-claude", 0.1, "2026-01-01T00:00:01"),
+        _eval_row("n2", "r-orphan", 0.2, "2026-01-01T00:00:02"),
+    ]
+    data = _patched_build_data(monkeypatch, evals, pipeline_runs, token_runs)
+    assert data["models_unmatched_n"] == 1
+    by_model = {o["model"]: o["n_valid"] for o in data["all_models"]}
+    assert by_model["anthropic/claude-sonnet-4-6"] == 1
+
+
+def test_models_unmatched_n_excludes_invalid_sentinel_rows(monkeypatch):
+    """Der -1.0-Sentinel (ungueltige Zeile) darf models_unmatched_n NICHT
+    erhoehen -- dieselbe Validitaetsregel wie n_valid je Modell."""
+    pipeline_runs: list[dict] = []
+    token_runs: list[dict] = []
+    evals = [_eval_row("n1", "r-orphan", -1.0, "2026-01-01T00:00:01")]
+    data = _patched_build_data(monkeypatch, evals, pipeline_runs, token_runs)
+    assert data["models_unmatched_n"] == 0
+
+
+def test_models_unmatched_n_zero_when_all_valid_rows_matched(monkeypatch):
+    pipeline_runs = [_pipeline_run("r1", "anthropic/claude-haiku-4-5")]
+    token_runs = [_token_run("r1")]
+    evals = [_eval_row("n1", "r1", 0.1, "2026-01-01T00:00:01")]
+    data = _patched_build_data(monkeypatch, evals, pipeline_runs, token_runs)
+    assert data["models_unmatched_n"] == 0
+
+
 # ── Frontend-Anker: Dropdown zeigt "(n=X)", value bleibt der Modellname ────
 
 
@@ -138,3 +176,20 @@ def test_html_model_filter_shows_n_valid_badge_in_option_label():
     block = html[start:end]
     assert "m.model" in block
     assert "m.n_valid" in block
+
+
+def test_html_model_unmatched_hint_markup_and_wiring():
+    """#320: Hint-Span existiert (initial hidden), _initGlobalModelFilter
+    schaltet ihn ueber models_unmatched_n frei, und der Aufruf reicht das Feld
+    aus dem Server-Payload durch."""
+    from generative.eval_dashboard_server import _build_live_html
+
+    html = _build_live_html()
+    assert 'id="model-unmatched-hint"' in html
+    assert 'class="hint" id="model-unmatched-hint" tabindex="0" hidden' in html
+    start = html.index("function _initGlobalModelFilter")
+    end = html.index("\n}", start)
+    block = html[start:end]
+    assert "unmatchedN" in block
+    assert "model-unmatched-hint" in block
+    assert "d.models_unmatched_n" in html

generative/tests/test_dashboard_null_eval_honesty.py

@@ -35,3 +35,23 @@ def test_empty_banner_conditionalizes_on_operational_data():
     # vorhanden sind — "Charts sind leer" darf dann nicht mehr behauptet werden.
     assert "nur Betriebskennzahlen" in html
     assert "kpi_accept_n" in html
+
+
+def test_empty_banner_notes_matrix_stays_filled(monkeypatch):
+    """#322: die Versions×PDF-Matrix ignoriert JEDEN aktiven Filter (bewusster
+    Design-Entscheid, test_pair_matrix_ignores_active_single_value_pdf_and_
+    version_filters) und bleibt bei 0-Notes-Filterkombinationen gefuellt --
+    das Banner darf "Charts sind leer" darum nicht mehr unbedingt behaupten,
+    weder im statischen Default-Text noch in den beiden dynamischen JS-
+    Varianten."""
+    html = _build_live_html()
+    matrix_hint = "außer der Versions×PDF-Matrix"
+    # (a) statischer Default-Text (vor dem ersten Datenladen)
+    default_start = html.index('id="empty-banner-text"')
+    default_end = html.index("</span>", default_start)
+    assert matrix_hint in html[default_start:default_end]
+    # (b) beide dynamischen JS-Textvarianten (hasOperationalData true/false)
+    js_start = html.index("const hasOperationalData")
+    js_end = html.index("\n    }", js_start)
+    js_block = html[js_start:js_end]
+    assert js_block.count(matrix_hint) == 2

generative/tests/test_dashboard_responsive_1100px.py

@@ -7,7 +7,14 @@
 
 U9: das Modell-Filter brach als letzte Filter-Group allein in eine neue
 Zeile -- kompaktere Gruppierung durch engeres .filter-group-Padding und
-schmalere .fselect-Maximalbreite bei <=1200px.
+schmalere .fselect-Maximalbreite, urspruenglich bei <=1200px.
+
+#324 (Folge-Fund UX-Review 16.07.): der naechste Breakpoint war @media
+(min-width: 1201px) (Matrix-Sticky-Regel, andere Zustaendigkeit) -- dazwischen
+(1201–~1430px) blieb die volle unkompaktierte Breite aktiv, "Modell" brach bei
+1280px allein in Zeile 2 um. Fix: die U9-Kompakt-Styles in eine eigene, auf
+<=1440px erweiterte Media-Query verschoben (die kpis-perf-Regeln bleiben
+bewusst bei <=1200px, davon nicht betroffen).
 
 Playwright-Sichtprüfung (isolierter Testserver, Live-Daten read-only,
 1100px): kpis-perf letzte Kachel spannt jetzt die volle Breite (kein
@@ -40,11 +47,22 @@ def test_kpis_perf_last_tile_spans_full_row_at_900px_breakpoint():
     assert "grid-column: 1 / -1" in block
 
 
-def test_filter_group_padding_compacted_at_1200px_breakpoint():
-    block = _responsive_css_block(1200)
+def test_filter_group_padding_compacted_at_1440px_breakpoint():
+    """#324: auf <=1440px erweitert, schliesst die 1201–1430px-Luecke."""
+    block = _responsive_css_block(1440)
     assert ".filter-group { padding: 0 10px; }" in block
 
 
-def test_fselect_max_width_reduced_at_1200px_breakpoint():
-    block = _responsive_css_block(1200)
+def test_fselect_max_width_reduced_at_1440px_breakpoint():
+    """#324: auf <=1440px erweitert, schliesst die 1201–1430px-Luecke."""
+    block = _responsive_css_block(1440)
     assert ".fselect { max-width: 150px; }" in block
+
+
+def test_filter_group_compaction_no_longer_gated_at_1200px():
+    """Regressions-Waechter (#324): die Kompakt-Styles duerfen NICHT mehr im
+    engeren 1200px-Block stehen -- sonst waere die 1201–1430px-Luecke wieder
+    da, nur unbemerkt durch eine zufaellige Duplizierung."""
+    block = _responsive_css_block(1200)
+    assert ".filter-group { padding: 0 10px; }" not in block
+    assert ".fselect { max-width: 150px; }" not in block

generative/tests/test_dashboard_scatter_pdf_canonicalization.py

@@ -0,0 +1,68 @@
+"""#323: Scatter-Legende (ch2) zeigt Roh-PDF-Keys statt kanonisierter Labels.
+
+Befund (UX-Review 16.07.): `_chart_scatter_versioned` baute die PDF-Legende
+aus dem ROHEN `pdf`-String als Dict-Key -- ohne vorherige Kanonisierung ueber
+`D._pdf_group_key()`. Zwei Rohvarianten derselben Quelle (z. B. die belegte
+Bates-Drift-Aliase, `_PDF_GROUP_ALIASES`) landeten dadurch als zwei separate
+Legenden-Eintraege in zwei Farben. Fix: Dict-Key ueber `D._pdf_group_key(pdf)`
+statt Rohstring -- derselbe Kanonisierungs-Pfad wie `_calc_pdf_table`/#311.
+"""
+
+from __future__ import annotations
+
+from generative.eval_dashboard_server import _chart_scatter_versioned
+
+
+def _row(note, pdf, hall, cov, ver="v0.3.144", run_id="r1"):
+    return {
+        "run_id": run_id,
+        "note_path": note,
+        "pipeline_version": ver,
+        "version": ver,
+        "hallucination_rate": hall,
+        "coverage_factual": cov,
+        "pdf": pdf,
+    }
+
+
+def test_scatter_collapses_raw_pdf_variants_of_same_source_into_one_legend_entry():
+    """ "Bates - 2017 - Information Behavior.pdf" und "bates-2017" bezeichnen
+    dieselbe Quelle (_pdf_group_key kollabiert beide auf "bates-2017") -- die
+    Scatter-Legende darf dafuer nur EINEN Eintrag zeigen, nicht zwei."""
+    rows = [
+        _row("n1", "Bates - 2017 - Information Behavior.pdf", 0.1, 0.5, run_id="r1"),
+        _row("n2", "bates-2017", 0.2, 0.6, run_id="r2"),
+    ]
+    data = _chart_scatter_versioned(rows)
+    assert len(data["pdfs"]) == 1
+    assert data["pdfs"][0]["raw"] == "bates-2017"
+
+
+def test_scatter_points_pdf_field_matches_canonical_legend_key():
+    """Frontend gruppiert Punkte in Datasets ueber `pt.pdf === legendEntry.raw`
+    (renderScatter in eval_dashboard.html) -- beide Felder muessen nach der
+    Kanonisierung uebereinstimmen, sonst faellt jeder Punkt aus seiner
+    Legenden-Gruppe."""
+    rows = [
+        _row("n1", "Bates - 2017 - Information Behavior.pdf", 0.1, 0.5, run_id="r1"),
+        _row("n2", "bates-2017", 0.2, 0.6, run_id="r2"),
+    ]
+    data = _chart_scatter_versioned(rows)
+    raw_keys = {p["raw"] for p in data["pdfs"]}
+    for pt in data["points"]:
+        assert pt["pdf"] in raw_keys
+        assert pt["pdf"] == "bates-2017"
+        assert pt["pdf_label"] == data["pdfs"][0]["label"]
+
+
+def test_scatter_keeps_distinct_sources_separate():
+    """Regressions-Waechter: unterschiedliche Quellen (verschiedene Autor-Jahr-
+    Keys) duerfen NICHT zusammengefasst werden -- nur belegte Drift-Varianten
+    derselben Quelle."""
+    rows = [
+        _row("n1", "Bates - 2017 - Information Behavior.pdf", 0.1, 0.5, run_id="r1"),
+        _row("n2", "Beutelspacher - 2022 - Kryptographie.pdf", 0.2, 0.6, run_id="r2"),
+    ]
+    data = _chart_scatter_versioned(rows)
+    assert len(data["pdfs"]) == 2
+    assert {p["raw"] for p in data["pdfs"]} == {"bates-2017", "beutelspacher-2022"}

generative/tests/test_dashboard_updated_icon_sidebar_only.py

@@ -31,12 +31,14 @@ def test_html_header_updated_icon_removed():
     assert 'id="updated-at"' not in html
     assert 'class="updated hint"' not in html
     # Engerer Kopfzeilen-Anker (_build_live_html-Muster wie im
-    # eval_version-Dropdown-Test): kein Hint-Trigger-Element (nur noch ein
-    # erklaerender Kommentar, der "↻" beschreibend erwaehnt) im Filterbar-
-    # Abschnitt selbst.
+    # eval_version-Dropdown-Test): kein "updated"-Hint-Trigger-Element im
+    # Filterbar-Abschnitt selbst. #320 (Folge-PR): die Filterbar traegt seither
+    # legitim einen ANDEREN Hint-Marker (`#model-unmatched-hint`, Badge fuer
+    # modellose Eval-Zeilen) -- die vorherige blanket "kein hint-pop ueberhaupt"-
+    # Assertion war ein zu grober Proxy fuer "das updated-Icon ist weg" und
+    # kollidiert jetzt mit dieser neuen, separaten Funktionalitaet.
     section = html[html.index('<div class="filterbar">') : html.index('id="filter-badges"')]
     assert '<span class="updated' not in section
-    assert "hint-pop" not in section
 
 
 def test_html_sidebar_foot_has_collapsed_hint():