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/tests/test_scoring.py

@@ -0,0 +1,69 @@
+"""Юнит-тесты скоринга плагиата (итоговый процент, который видит студент)."""
+
+from app.scoring import aggregate_results
+
+
+def _m(title: str, pos: int) -> dict:
+    return {"source_title": title, "position_start": pos}
+
+
+def test_empty_input_is_zero():
+    out = aggregate_results([], [], [], total_fragments=10)
+    assert out["overall_similarity"] == 0.0
+    assert out["flagged_fragments"] == 0
+    assert out["matches"] == []
+    assert out["by_method"] == {"exact": 0, "fuzzy": 0, "semantic_llm": 0}
+
+
+def test_zero_fragments_does_not_divide_by_zero():
+    out = aggregate_results([_m("A", 0)], [], [], total_fragments=0)
+    assert out["overall_similarity"] == 0.0
+
+
+def test_percentage_is_share_of_flagged_positions():
+    # 2 из 4 фрагментов помечены → 50%
+    level1 = [_m("A", 0), _m("B", 5)]
+    out = aggregate_results(level1, [], [], total_fragments=4)
+    assert out["overall_similarity"] == 50.0
+    assert out["flagged_fragments"] == 2
+
+
+def test_same_position_multiple_sources_counts_once():
+    # Одна позиция совпала с двумя разными источниками — доля не раздувается
+    level1 = [_m("A", 0)]
+    semantic = [_m("B", 0)]  # та же позиция 0, другой источник
+    out = aggregate_results(level1, [], semantic, total_fragments=2)
+    assert out["flagged_fragments"] == 1
+    assert out["overall_similarity"] == 50.0
+    # оба совпадения сохранены в matches (дедуп только по паре title:pos)
+    assert len(out["matches"]) == 2
+
+
+def test_exact_duplicate_match_is_deduplicated():
+    # Один и тот же источник в одной позиции пришёл дважды — остаётся один
+    dup = _m("A", 3)
+    out = aggregate_results([dict(dup)], [dict(dup)], [], total_fragments=5)
+    assert len(out["matches"]) == 1
+
+
+def test_similarity_capped_at_100():
+    # Больше уникальных позиций, чем фрагментов (пограничный случай) → не выше 100%
+    matches = [_m(f"S{i}", i) for i in range(5)]
+    out = aggregate_results(matches, [], [], total_fragments=3)
+    assert out["overall_similarity"] == 100.0
+
+
+def test_by_method_counts_raw_matches_per_level():
+    out = aggregate_results(
+        [_m("A", 0), _m("B", 1)],   # exact = 2
+        [_m("C", 2)],               # fuzzy = 1
+        [_m("D", 3), _m("E", 4), _m("F", 5)],  # semantic_llm = 3
+        total_fragments=10,
+    )
+    assert out["by_method"] == {"exact": 2, "fuzzy": 1, "semantic_llm": 3}
+
+
+def test_percentage_rounded_to_two_decimals():
+    # 1 из 3 → 33.333... → 33.33
+    out = aggregate_results([_m("A", 0)], [], [], total_fragments=3)
+    assert out["overall_similarity"] == 33.33