#!/usr/bin/env python3
"""Bewertet gespeicherte Mathe-Laeufe mit dem korrigierten Vergleich neu.

Der erste Durchgang wertete Antworten als falsch, die nur anders geschrieben
waren: `\\frac43` gegen `\\frac{4}{3}`, `x=5` gegen `5`, `.35625` gegen
`0,35625`. Von acht als falsch gewerteten abgeschlossenen Antworten war genau
eine wirklich falsch.

Kostet keine GPU-Zeit — die Modellantworten liegen in den Berichten. Die
Originaldateien bleiben unangetastet, das Ergebnis kommt daneben.
"""
import glob
import json
import os
import sys

sys.path.insert(0, "/mnt/models/qwen38-prep")
import bench_mathe as M

QUELLE = "/mnt/models/qwen38-prep/mathe-math500"
ZIEL = "/mnt/models/qwen38-prep/mathe-math500-neubewertet"


def sammle(argumente):
    """Nimmt Dateien und Verzeichnisse gemischt entgegen."""
    if not argumente:
        return sorted(glob.glob(os.path.join(QUELLE, "*.json"))), ZIEL
    dateien = []
    for a in argumente:
        if os.path.isdir(a):
            dateien += sorted(glob.glob(os.path.join(a, "*.json")))
        else:
            dateien.append(a)
    # Die Bedarfsmessung ist kein Lauf, sondern eine Vorabschaetzung.
    dateien = [d for d in dateien if os.path.basename(d) != "bedarf.json"]
    return dateien, os.path.join(os.path.dirname(dateien[0]), "neubewertet")


def main():
    dateien, ziel = sammle(sys.argv[1:])
    os.makedirs(ziel, exist_ok=True)
    print(f"{'Modell':<26}{'vorher':>9}{'nachher':>9}{'Δ':>7}   korrigierte Fälle")
    for p in dateien:
        d = json.load(open(p))
        geaendert = []
        for x in d["aufgaben"]:
            # Nur Antworten, die ueberhaupt eine Ausgabe hatten. Wo das Modell
            # ins Limit lief, gibt es nichts neu zu bewerten.
            g, e = x.get("gegeben"), x.get("erwartet")
            if not g or not e:
                continue
            neu = M.stimmt(g, e)
            if neu != x["ok"]:
                geaendert.append((x.get("level"), g, e, x["ok"], neu))
                x["ok"] = neu
                x["neubewertet"] = True
        ok_n = sum(1 for x in d["aufgaben"] if x["ok"])
        nach_level = {}
        for x in d["aufgaben"]:
            lv = x.get("level")
            if lv is not None:
                s = nach_level.setdefault(str(lv), [0, 0])
                s[1] += 1
                s[0] += 1 if x["ok"] else 0
        vorher = d["quote"]
        d["quote_vor_neubewertung"] = vorher
        d["bestanden"] = ok_n
        d["quote"] = round(ok_n / d["n"] * 100, 1)
        d["nach_level"] = {k: v for k, v in sorted(nach_level.items())}
        d["neubewertet"] = len(geaendert)
        json.dump(d, open(os.path.join(ziel, os.path.basename(p)), "w"),
                  ensure_ascii=False, indent=1)
        print(f"{d['modell'][:25]:<26}{vorher:>8.1f}%{d['quote']:>8.1f}%"
              f"{d['quote']-vorher:>+6.1f}   {len(geaendert)}")
        for lv, g, e, alt, neu in geaendert[:3]:
            print(f"    L{lv}  {g[:30]!r} == {e[:30]!r}")
    print(f"\ngeschrieben nach {ziel}")


if __name__ == "__main__":
    main()