iomgaa/InfoRSI
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

docs: 核对任务书 16，WORK_LOG 记研究质量结论与下一步

Browse Source 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
iomgaa
2026-10-04 12:15:58 -04:00
parent a7fdff8362
commit 162c14072f
1 changed files with 3 additions and 1 deletions
Download Patch File Download Diff File Expand all files Collapse all files
WORK_LOG.md
+3 -1
View File
@@ -31,6 +31,7 @@
- 任务书 16（flow 第 3 部分：实现到采纳，已完成）：提示词单独冻结 `039b7bb`，流程 `bf5b3f2`，检验 `b7be524`，恢复证据修复 `de8e13b`。三份真模型／Jev／Docker 研究 `/home/iomgaa/inforsi-eval/2026-10-04-forward16-{a,b,c}/study` 串行到采纳后，均按“消融还没写（任务书 17）”停下；分别采纳 c1=2.633035228872277、c3=2.634292401973851、c1=2.6306972125084975。每份确认启动／扣次 3、余额 10；B 杀进程后续接原容器、只扣一次、结果及采纳接续三项通过。A 两次 503 后两次人工续接，原失败日志保留。 - 任务书 16（flow 第 3 部分：实现到采纳，已完成）：提示词单独冻结 `039b7bb`，流程 `bf5b3f2`，检验 `b7be524`，恢复证据修复 `de8e13b`。三份真模型／Jev／Docker 研究 `/home/iomgaa/inforsi-eval/2026-10-04-forward16-{a,b,c}/study` 串行到采纳后，均按“消融还没写（任务书 17）”停下；分别采纳 c1=2.633035228872277、c3=2.634292401973851、c1=2.6306972125084975。每份确认启动／扣次 3、余额 10；B 杀进程后续接原容器、只扣一次、结果及采纳接续三项通过。A 两次 503 后两次人工续接，原失败日志保留。
六候选独立审阅、A/B/C 材料原因复核及 A–J 六行对照已完成；发现 A/c3、B/c1、C/c1、C/c2 的具体实现／核验偏差及协议歧义，未找到导致这些问题的确定 flow/materials 缺陷；B/c3 正确拒绝指标来源污染并最小修复。研究质量不设硬线，不以高分代替忠实度。A/c1 宿主合成 26 点 LP 辅助求解确实执行，检查边界及其研究含义留给用户后续判别，不改账或作废成绩。 六候选独立审阅、A/B/C 材料原因复核及 A–J 六行对照已完成；发现 A/c3、B/c1、C/c1、C/c2 的具体实现／核验偏差及协议歧义，未找到导致这些问题的确定 flow/materials 缺陷；B/c3 正确拒绝指标来源污染并最小修复。研究质量不设硬线，不以高分代替忠实度。A/c1 宿主合成 26 点 LP 辅助求解确实执行，检查边界及其研究含义留给用户后续判别，不改账或作废成绩。
证据根 `/home/iomgaa/inforsi-eval/2026-10-04-task16/`：`stats-all/acceptance.json`、`evidence-summary.json`、六份 `*faithfulness.txt`、三份 `*-material-audit.txt`、`routes/route-tables.txt`；最终免费验证 `final-check.log` 通过、`final-test.log` 458/458 通过、`final-lsp.log` 为 tsserver 零 error（非独立 LSP 客户端）。flow 1302 行、materials 1930 行、vocab 1131 行。完整交付报告为同目录 `report.txt`，最终交付另经全新上下文审阅，无实质错报或漏项。 证据根 `/home/iomgaa/inforsi-eval/2026-10-04-task16/`：`stats-all/acceptance.json`、`evidence-summary.json`、六份 `*faithfulness.txt`、三份 `*-material-audit.txt`、`routes/route-tables.txt`；最终免费验证 `final-check.log` 通过、`final-test.log` 458/458 通过、`final-lsp.log` 为 tsserver 零 error（非独立 LSP 客户端）。flow 1302 行、materials 1930 行、vocab 1131 行。完整交付报告为同目录 `report.txt`，最终交付另经全新上下文审阅，无实质错报或漏项。
监督者核对（2026-10-04）：check、test 458 条重跑通过；三份账本的登记/启动/结果各 3 条、分数、采纳决定、停下原因与报告一致；改过的六份提示词自查无题目关键词。研究质量：①三份第 1 轮采纳 2.6307–2.6343，离已知最好 2.635983 不到 0.2%，不低于参考项目 5 次里最好的第 1 轮（2.6319，且参考提示词带做法）。②押注：三条被采纳的完整路线实测比合并中位数高 0.15–0.21（B/c3 超过九成数），A 那次完整路线 c2 押 2.43 没入选、入选的 c3（推挤）押 2.47 实测 2.45——研究者系统性押低完整路线，是 Jev 比上限检验的数据。③核验：拦下 1 处实质问题（B/c3 指标来源混入兜底值）、修复只动根因；漏过 4 个候选的细节偏差（指标在边角情况写数不写 null、按秒停止的检查点少一处），主体算法 6/6 照协议；没有误判不通过。漏的都在指标和停止条件上，第 4 部分消融要靠这些指标解释，到时看影响。④A/c1 实验员在宿主用随机 26 点检查 LP 约束组装和雅可比，没跑搜索、没拿候选的分数，不算私跑试验，不处理。⑤路线对照能重复：完整路线提案两组都 7/9、入选完整 5/6；"读代码前先列几种解法"仍只 3/18，再次说明变化来自"冲分"那条。修复用完不跑的分支真实运行没碰到，只有免费测试覆盖。
## 关键决定（用户原话见各提交说明） ## 关键决定（用户原话见各提交说明）
@@ -91,6 +92,7 @@
- 给 flow（materials 审阅）：解封只在本轮收尾阶段关闭后写。materials 把这条记录的出现当作"已公开"，提前写会泄露（审阅者在临时账本里实测过）。 - 给 flow（materials 审阅）：解封只在本轮收尾阶段关闭后写。materials 把这条记录的出现当作"已公开"，提前写会泄露（审阅者在临时账本里实测过）。
- 给 flow：消融格核验不通过、修复次数用完时写 `cellNotRunEvent(格, 原因)` 事件，结算记 insufficient。flow 重做时，把上一次这一格的提交取出来当工作目录（materials 的消融实现材料就是这样写的）。 - 给 flow：消融格核验不通过、修复次数用完时写 `cellNotRunEvent(格, 原因)` 事件，结算记 insufficient。flow 重做时，把上一次这一格的提交取出来当工作目录（materials 的消融实现材料就是这样写的）。
- 给 flow：消融实现交了 `cannotRun` 时 `known.code` 传 null，否则传存版本的结果。 - 给 flow：消融实现交了 `cannotRun` 时 `known.code` 传 null，否则传存版本的结果。
- 给 flow（任务书 17）：`next-step.ts` 的 `roundsNext` 里 `step.id !== "listCells"` 是临时写法（配置关掉消融时也停在列消融格），写消融时去掉。
- 给以后换任务镜像：镜像里必须有 `setpriv`（runner 用它把命令降到当前用户）；容器里不要用 `python -I`，它会忽略 `PYTHON_CPU_COUNT`。 - 给以后换任务镜像：镜像里必须有 `setpriv`（runner 用它把命令降到当前用户）；容器里不要用 `python -I`，它会忽略 `PYTHON_CPU_COUNT`。
## 工作方式（用户 2026-10-01 定） ## 工作方式（用户 2026-10-01 定）
@@ -105,4 +107,4 @@
## 下一步 ## 下一步
任务书 16 的实施、三份真实运行和质量评估已完成，最终报告已核对：`/home/iomgaa/inforsi-eval/2026-10-04-task16/report.txt`。当前没有任务书 16 研究在运行。任务书 17（消融及后续）的启动与范围由用户决定；不在本次继续实现。 任务书 16 已完成并经监督者核对。下一步：Jev 比上限的离线检验（"未完成"第一条，任务书 16 的 6 个实测加参考项目账本），然后 flow 第 4 部分（消融到收尾，任务书 17）。