refactor(gpu): вынести скоринг плагиата в чистый app.scoring + 8 тестов

Итоговый процент схожести (тот, что видит студент) и дедупликация совпадений
жили внутри Celery-задачи check_plagiarism и не тестировались. Вынес в чистую
функцию app.scoring.aggregate_results (без Celery/БД/сети) — правильная «высота»
(доменная логика отдельно от оркестрации) и теперь покрыто тестами:

- процент = доля УНИКАЛЬНЫХ помеченных позиций от всех фрагментов;
- одна позиция с несколькими источниками считается один раз (не раздувает %);
- точный дубль (source_title:pos) дедуплицируется;
- деление на ноль фрагментов; кап на 100%; округление до 2 знаков; by_method.

Поведение сохранено 1:1 (лог задачи переведён на result[...]). scoring.py добавлен
в mypy-гейт. Тестов всего: 61 (indexer 19, gost 17, gpu 25).

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

services/worker-gpu/app/scoring.py

@@ -0,0 +1,59 @@
+"""Чистая доменная логика скоринга плагиата — без Celery/БД/сети.
+
+Объединяет совпадения всех уровней (1 winnowing, 2 minhash, 3+4 semantic+llm),
+дедуплицирует их и считает итоговый процент схожести, который видит студент.
+Вынесено из Celery-задачи, чтобы логику можно было тестировать изолированно.
+"""
+
+from typing import Any
+
+
+def aggregate_results(
+    level1_matches: list[dict[str, Any]],
+    level2_matches: list[dict[str, Any]],
+    semantic_matches: list[dict[str, Any]],
+    total_fragments: int,
+) -> dict[str, Any]:
+    """Свести совпадения уровней в итог проверки.
+
+    Дедупликация — по паре (source_title, position_start): одно и то же совпадение
+    источника в одной позиции не дублируется. Итоговый процент — доля УНИКАЛЬНЫХ
+    помеченных позиций от всех фрагментов (фрагмент, совпавший с несколькими
+    источниками, не раздувает процент выше 100).
+
+    Args:
+        level1_matches: совпадения уровня 1 (Winnowing, точные)
+        level2_matches: совпадения уровня 2 (MinHash, нечёткие)
+        semantic_matches: совпадения уровней 3-4 (FAISS + LLM-парафраз)
+        total_fragments: всего проверенных фрагментов документа
+
+    Returns:
+        dict с полями overall_similarity, matches, total_fragments,
+        flagged_fragments, by_method.
+    """
+    all_matches = level1_matches + level2_matches + semantic_matches
+
+    seen: set[str] = set()
+    unique_matches: list[dict[str, Any]] = []
+    for m in all_matches:
+        key = f"{m.get('source_title', '')}:{m.get('position_start', '')}"
+        if key not in seen:
+            seen.add(key)
+            unique_matches.append(m)
+
+    flagged_positions = {m.get("position_start") for m in unique_matches}
+    flagged_frags = len(flagged_positions)
+    overall = (flagged_frags / total_fragments * 100) if total_fragments > 0 else 0.0
+    overall = min(overall, 100.0)
+
+    return {
+        "overall_similarity": round(overall, 2),
+        "matches": unique_matches,
+        "total_fragments": total_fragments,
+        "flagged_fragments": flagged_frags,
+        "by_method": {
+            "exact": len(level1_matches),
+            "fuzzy": len(level2_matches),
+            "semantic_llm": len(semantic_matches),
+        },
+    }

services/worker-gpu/app/tasks/plagiarism.py

@@ -141,36 +141,12 @@ def check_plagiarism(
             if (i + 1) % 10 == 0:
                 logger.info(f"Проверено фрагментов: {i + 1}/{len(fragments)}")
 
-        # Объединить все совпадения и дедуплицировать по source_title
-        all_matches = level1_matches + level2_matches + semantic_matches
-        seen_sources: set[str] = set()
-        unique_matches = []
-        for m in all_matches:
-            key = f"{m.get('source_title', '')}:{m.get('position_start', '')}"
-            if key not in seen_sources:
-                seen_sources.add(key)
-                unique_matches.append(m)
+        # Свести совпадения уровней в итог (дедуп + процент) — чистая логика в app.scoring
+        from app.scoring import aggregate_results
 
-        # Вычислить общий процент схожести по ДОЛЕ помеченных фрагментов документа.
-        # Считаем уникальные позиции (фрагмент, совпавший с несколькими источниками,
-        # не должен раздувать процент выше 100).
-        total_frags = len(fragments)
-        flagged_positions = {m.get("position_start") for m in unique_matches}
-        flagged_frags = len(flagged_positions)
-        overall_similarity = (flagged_frags / total_frags * 100) if total_frags > 0 else 0.0
-        overall_similarity = min(overall_similarity, 100.0)
-
-        result = {
-            "overall_similarity": round(overall_similarity, 2),
-            "matches": unique_matches,
-            "total_fragments": total_frags,
-            "flagged_fragments": flagged_frags,
-            "by_method": {
-                "exact": len(level1_matches),
-                "fuzzy": len(level2_matches),
-                "semantic_llm": len(semantic_matches),
-            },
-        }
+        result = aggregate_results(
+            level1_matches, level2_matches, semantic_matches, len(fragments)
+        )
 
         # Сохранить результат
         with db_session() as session:
@@ -183,7 +159,8 @@ def check_plagiarism(
 
         logger.info(
             f"Проверка плагиата завершена для задачи {task_id!r}. "
-            f"Схожесть: {overall_similarity:.1f}%, совпадений: {flagged_frags}"
+            f"Схожесть: {result['overall_similarity']:.1f}%, "
+            f"совпадений: {result['flagged_fragments']}"
         )
 
         # Уведомить пользователя