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

docs: WORK_LOG 记任务书 17 完成（B、D 两份完整研究，研究质量与程序账目）

Browse Source 
删掉已做到的六条'给 flow'；'下一步'更新为 Jev 离线检验、export、plugin；
vocab 超上限 4 条待用户定。交付报告：/home/iomgaa/inforsi-eval/2026-10-04-task17/report.txt。
This commit is contained in:
iomgaa
2026-10-05 08:09:27 -04:00
parent 2ca6da12b6
commit 6096257fe9
1 changed files with 6 additions and 7 deletions
Download Patch File Download Diff File Expand all files Collapse all files
WORK_LOG.md
+6 -7
View File
@@ -33,6 +33,11 @@
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。 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。
- 任务书 17（flow 第 4 部分：消融到收尾，已完成）：提示词 `d788500`（解释/收尾/消融实现/消融核验四份任务提示词按三份调研+两份真实记录诊断改写，监督者三条核实后采用：收尾改为"沿因子继续或换路线"、贴近已知最好处境段、消融提示词与角色提示词去重；泄露自查零命中），流程 `144b884`（⑬–⑱、轮末解封、一轮接一轮、停在"导出还没写"），检验 `0ae495f`，末轮余额为 0 整轮被跳过的缺陷修复 `3f7de96`（真跑发现，附回归测试）。flow 2118 行（上限 3500）、materials 1930 行未动、vocab 1154 行（pi-lens 拆行所致，超 1150 四条，待用户定）。`npm run check` 通过、`npm test` 477 条通过。
五份真模型／Jev／Docker 研究同时跑（3 份一批 + 2 份替补）：**B、D 两份完整跑完**（各 13/13 次运行、余额 0、停在"导出还没写"、12 项账目检查全过）。B：采纳 2.625605→2.631094→**2.635983 追平已知最好**，第 1 轮杀消融运行的控制进程三条检查全过（同容器续等、只扣一次、照常结算）；D：采纳 2.557163→2.590693→2.605124，第 3 轮三格全测、配合关系"互补"。A 停在 r5 第二次预测（研究者写完分析没调提交工具）、C 停在 r2 回应（Jev 连退 10 次"自相矛盾"，协议 88/92 秒闸两处不一致，模型 10 次没改掉——核实不是误伤）、E 停在 r1 回应（GLM 内容审核误拦，见"未完成"那条）；三份均按方法停下，用户决定不追究 A/C、放弃 E 不再替补。
研究质量（全新上下文子 Agent 独立审阅 B、D 各四份，在 `/home/iomgaa/inforsi-eval/2026-10-04-task17/`）：解释机制具体、范围有依据、"没有具体机制判断"用得诚实，但第 1 轮三人对关键格同向全错（B 的 p2 格实测 0 分、惊讶 19.25 比特；对冲第二条刚写进提示词还没赶上）；选中的格都是分歧最大/最能改方向的格，B 第 2 轮因意见一致净值全负一格没测（方法.md 第十二部分第 7 条的真实案例）；消融 5 格经独立逐行核对全部只关指定因子、核验员判定全对；收尾不混淆"改法有效"与"机制证实"，接力是实的（B 的 r2–r5、D 的每轮因子都能在上轮收尾找到出处）。B 与带做法提示的参考项目 15-tight-2 同到终点（慢一轮）。
证据根 `/home/iomgaa/inforsi-eval/2026-10-04-task17/`：五份研究目录在 `2026-10-04-full17-{a,b,c,d,e}/`；`stats-{a,b,c,d}/`、B/D 各四份审阅 txt（`*-expl`、`*-ablation`、`*-wrapup`、`*-tables`）、三份调研与两份诊断 txt、`review-{b,d}/` 审阅导出。完整交付报告为同目录 `report.txt`。
## 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）
- 项目改名 InfoRSI。参考项目 RivalBits 只读。 - 项目改名 InfoRSI。参考项目 RivalBits 只读。
@@ -88,13 +93,7 @@
- Jev 校准：新项目跑出真实研究后，从账本取真实的 Jev 判断和材料，由 Claude 或 GPT 打标签作为校准集和留出集，重新校准九问的问法和阈值。不用参考项目 8 个验收数据库（材料格式还会变）。 - Jev 校准：新项目跑出真实研究后，从账本取真实的 Jev 判断和材料，由 Claude 或 GPT 打标签作为校准集和留出集，重新校准九问的问法和阈值。不用参考项目 8 个验收数据库（材料格式还会变）。
- `inbox/调研.md`：要迁进 `docs/调研/` 的调研结论。 - `inbox/调研.md`：要迁进 `docs/调研/` 的调研结论。
- `docs/方法.md` 里还有 7 条标〔自定〕的规则，待用户过目。 - `docs/方法.md` 里还有 7 条标〔自定〕的规则，待用户过目。
- 给 flow：选格用随机规则时，种子用版本 2 算（选批已用版本 1，任务书 14），否则两次抽取用同一串随机数。
- 给 flow：步骤清单没有单列"轮末动作"（解封作者自评、入选未跑的候选出池），flow 要做这些。
- 写 plugin 时实测：源码导入路径带 `.ts` 扩展名，Pi 加载插件能否接受。 - 写 plugin 时实测：源码导入路径带 `.ts` 扩展名，Pi 加载插件能否接受。
- 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）
@@ -109,4 +108,4 @@
## 下一步 ## 下一步
任务书 17（flow 第 4 部分：消融到收尾）正由新会话执行。Jev 比上限的离线检验（"未完成"第一条）等任务书 17 的研究全部跑完、用上新增的实测对后再做（用户 2026-10-05 定："先停了吧，都等到任务书 17完成后先"）。之后是 export、plugin。 任务书 17（flow 第 4 部分：消融到收尾）已完成，四部分合起来的验收做完（B、D 两份完整研究）。Jev 比上限的离线检验（"未完成"第一条，用户 2026-10-05 定等任务书 17 完成后做）。之后是 export、plugin。vocab 1154 行超上限 4 条（pi-lens 拆行），待用户定放宽还是精简说明。