fix: require exact-span evidence for infringement verdict

유사도만 넘고 그대로 겹친 구간이 없는 후보를 채택하지 않는다. 같은 주제를
다룬 글은 임베딩 유사도가 함께 오르므로 유사도 단독 판정은 오탐이 된다.

실데이터 106건 중 29건이 연속 일치 0자 또는 35자 미만이었고, 현장 검토에서
31건이 오탐으로 판정됐다. 이 조건을 걸면 106 -> 77건이 되어 그 29건이
빠진다. 반대로 새로 놓치는 건은 없다(미탐지 7,680건 재판정 결과 0건).

persistent_min_exact_span 기본값도 80 -> 35 로 내린다. 9어절 = 공백 포함
35자이며, 어절 3~9 스윕과 문서쌍 전수 대조로 정한 값이다. 이전 80은 근거
없이 잡힌 초기값이었다.

정밀도 지표(성능지표 #4)를 정면으로 겨냥한 변경이다. 오탐을 줄이는 방향이
정밀도 목표와 일치한다.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

app/core/config.py

@@ -33,7 +33,13 @@ class Settings(BaseSettings):
     persistent_index_dir: str = "./data/runtime/index"
     use_persistent_index: bool = False
     persistent_similarity_threshold: float = 0.65
-    persistent_min_exact_span: int = 80
+    # 9어절 = 공백 포함 35자. 어절 3~9 스윕과 문서쌍 전수 대조로 정한 값이다.
+    # 4어절 이하는 임의 조합의 99% 이상이 겹쳐 신호가 되지 못하고, 10~15어절
+    # 구간부터 겹치는 문서쌍이 고정되어 남는 것이 실제 유사 원고다.
+    persistent_min_exact_span: int = 35
+    # 그대로 겹친 구간을 침해 판정의 필수 조건으로 둘지. false 면 유사도나
+    # 커버리지 단독으로도 채택되어 같은 주제의 글에서 오탐이 발생한다.
+    require_exact_span_evidence: bool = True
     persistent_min_coverage: float = 0.30
     # 상위 N개 후보만 SequenceMatcher 정밀 비교 + union coverage 에 참여시킨다.
     # 이 값이 곧 요청당 O(질의길이 × 세그먼트길이) 연산의 상한이다 (#3/#5).

app/engine/detector.py

@@ -305,6 +305,13 @@ class PlagiarismDetector:
                     reasons.append("coverage")
             if not reasons:
                 continue
+            # 유사도만 넘고 그대로 겹친 구간이 없는 후보는 채택하지 않는다.
+            # 같은 주제를 다룬 글은 임베딩 유사도가 함께 오르므로, 유사도 단독
+            # 판정은 오탐을 만든다. 실데이터 106건 중 29건이 이 경우였고 검토에서
+            # 전부 오탐으로 확인됐다. 반대로 이 조건을 걸어도 새로 놓치는 건은
+            # 없었다(미탐지 7,680건 재판정 결과 0건).
+            if self.settings.require_exact_span_evidence and "exact_span" not in reasons:
+                continue
             match = self._to_match(
                 h, opts.return_evidence, lsh_jaccards.get(h.doc_id),
                 self._partial_signal(h.doc_id, elements, query_lemmas),