fix(plagiarism): не матчить против чужих/своих же загруженных работ

Критично: L1/L2/L3 сравнивали фрагменты со ВСЕЙ базой documents, включая
source=user_submission — работы, которые auto_approve_submission сам же
затаскивал в корпус после проверки. Итог: студент, перепроверивший тот
же файл дважды, получал 100% "точное совпадение" по всем фрагментам —
против собственной же более ранней загрузки.

Фикс: все три уровня исключают source=user_submission из кандидатов на
совпадение. AUTO_APPROVE_SUBMISSIONS выключен по умолчанию — раньше рос
корпус для будущего сравнения, но без защиты от self/cross-match это
опаснее, чем полезно.

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

@@ -121,6 +121,10 @@ def check_plagiarism(
 
                 if not doc_meta:
                     continue
+                # user_submission — чужие непубличные загрузки (и свои же прошлые
+                # прогоны того же файла), не легитимный источник для сравнения.
+                if doc_meta["source"] == "user_submission":
+                    continue
 
                 llm_result = {"is_paraphrase": False, "confidence": 0.0, "reason": ""}
                 if source_text:

services/worker-indexer/app/config.py

@@ -61,10 +61,12 @@ class Settings(BaseSettings):
 
     # Автоматически добавлять проверенные работы студентов в базу для сравнения
     # (как в коммерческих системах — Антиплагиат.ру/Turnitin ловят списывание у
-    # предыдущих потоков именно так). Без этого каждая работа лежит в StagedWork
-    # и ждёт ручного одобрения админом — сейчас это дефолт для роста корпуса;
-    # выключить, если нужна модерация перед публикацией.
-    AUTO_APPROVE_SUBMISSIONS: bool = True
+    # предыдущих потоков именно так). Выключено по умолчанию: без ручной
+    # модерации студент, перепроверивший тот же файл дважды, получал 100%
+    # "плагиата" — против собственной же более ранней загрузки. L1/L2/L3 теперь
+    # и так исключают source=user_submission из сравнения, так что включать это
+    # обратно есть смысл только вместе с реальной защитой от self/cross-match.
+    AUTO_APPROVE_SUBMISSIONS: bool = False
 
     # App
     ENVIRONMENT: str = "development"

services/worker-indexer/app/tasks/index.py

@@ -108,13 +108,20 @@ def extract_and_check(
                     continue
                 frag_hashes = list(frag_fp)
 
-                # Источник, разделяющий больше всего отпечатков с этим фрагментом
+                # Источник, разделяющий больше всего отпечатков с этим фрагментом.
+                # user_submission исключены: это чужие непубличные загрузки (и
+                # свои же прошлые прогоны того же файла) — сравнение с ними даёт
+                # ложные 100%-совпадения, а не реальный плагиат из источника.
                 row = session.execute(
                     select(
                         Fingerprint.doc_id,
                         func.count(Fingerprint.id).label("cnt"),
                     )
-                    .where(Fingerprint.hash_value.in_(frag_hashes))
+                    .join(Document, Document.id == Fingerprint.doc_id)
+                    .where(
+                        Fingerprint.hash_value.in_(frag_hashes),
+                        Document.source != "user_submission",
+                    )
                     .group_by(Fingerprint.doc_id)
                     .order_by(func.count(Fingerprint.id).desc())
                     .limit(1)
@@ -164,7 +171,7 @@ def extract_and_check(
                     try:
                         doc_id = int(key.split(":")[-1])
                         doc = session.get(Document, doc_id)
-                        if not doc:
+                        if not doc or doc.source == "user_submission":
                             continue
 
                         level2_matches.append({