feat: 诊断（任务书 18 第一块）：诊断数学、四种提交、一次运行跑多个实验、账本与材料、flow 诊断各步
消融默认关，关掉时解释阶段一并跳过；选诊断实验用信息价值减成本。 eval/diagnosis/research.json 为第三块配置。vocab 字段说明的出口文字随提示词一起改，见下一次提交的 prompts/ 与同文件改动（本次含在内）。 Co-Authored-By: Claude Sonnet 5.5 <noreply@anthropic.com>
This commit is contained in:
+64
-19
@@ -158,7 +158,7 @@
|
||||
|
||||
Jev 是一个判别器，和程序检查地位相同，不单独成一种记录：它的原始概率和结论，记在它判断的那件事里（第 3 种的提交和退回、第 8 种的判重合并）。
|
||||
|
||||
**写入时由 ledger 拒绝的几种情况**：阶段已关闭还要写提交；要替换的那一份不是本人在这个阶段刚交的；没有"确认启动"就写运行结果（"确认没启动"这种结果除外）；这次消融已经有格启动了才冻结解释。
|
||||
**写入时由 ledger 拒绝的几种情况**：阶段已关闭还要写提交；要替换的那一份不是本人在这个阶段刚交的；没有"确认启动"就写运行结果（"确认没启动"这种结果除外）；这次消融已经有格启动了才冻结解释；这次诊断运行已经确认启动了才冻结诊断预测。
|
||||
|
||||
---
|
||||
|
||||
@@ -245,8 +245,8 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
**名单**
|
||||
|
||||
- `ROLES`、`Role`：三个角色，研究者、实验员、核验员。
|
||||
- `STAGES`、`Stage`：有人交提交的各个阶段，按流程先后排；程序自己做的步骤不在里面。
|
||||
- `SUBMISSION_KINDS`、`SubmissionKind`：每种提交属于哪个阶段、由哪个角色交，各模块都从这张表取。
|
||||
- `STAGES`、`Stage`：有人交提交的各个阶段，按流程先后排；程序自己做的步骤不在里面。诊断有四个：诊断解释与实验、诊断预测、诊断实现（含修复）、诊断核验（任务书 18）。
|
||||
- `SUBMISSION_KINDS`、`SubmissionKind`：每种提交属于哪个阶段、由哪个角色交，各模块都从这张表取。诊断加五种：`diagnosisProposal`、`diagnosisPrediction`、`diagnosisImplementation`、`diagnosisRepair`、`diagnosisVerification`；实现和修复同一个字段定义，写法同正向的 `implementation`、`repair`。
|
||||
|
||||
**指标**
|
||||
|
||||
@@ -276,7 +276,7 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
**Jev**
|
||||
|
||||
- `JevJudgment`（字段定义）：Jev 对一个问题的一次判断：问题名、问题全文的哈希（措辞、示例、阈值一起算）、阈值、原始概率、结论（概率是否超过阈值）、Jev 返回的请求编号。jev 交出它，ledger 在提交和退回记录里原样存它，两个模块互不引用，所以放在这里。
|
||||
- `Checklist`、`ChecklistOf<K>`（类型）：对号清单，materials 为一次任务算出、submissions 拿来判收不收；按提交种类区分，每种只放它要用的（入口和讨论的入口个数范围；认领的入口编号和至少排几个；提案的 M、因子数上限、能延续的因子、能引用的假设专用指标（全名）、已占用的指标编号（任务的指标和两个保留键）；两次预测的候选；挑刺的原提案和它的因子；回应、统一的挑刺编号（统一另有被合并的原提案）；实现、修复、核验的条款、因子、保障（核验另有没有归属的改动）；解释的格和 M；消融实现的格、要关的因子、全部因子；消融核验的格和全部因子；收尾无）。用户 2026-10-03 决定：vocab 只放这一个，任务材料的其余类型放 materials。
|
||||
- `Checklist`、`ChecklistOf<K>`（类型）：对号清单，materials 为一次任务算出、submissions 拿来判收不收；按提交种类区分，每种只放它要用的（入口和讨论的入口个数范围；认领的入口编号和至少排几个；提案的 M、因子数上限、能延续的因子、能引用的假设专用指标（全名）、已占用的指标编号（任务的指标和两个保留键）；两次预测的候选；挑刺的原提案和它的因子；回应、统一的挑刺编号（统一另有被合并的原提案）；实现、修复、核验的条款、因子、保障（核验另有没有归属的改动）；解释的格和 M；消融实现的格、要关的因子、全部因子；消融核验的格和全部因子；收尾无；诊断解释与实验的解释上限 M、实验上限 A 和已占用的指标编号；诊断预测的自己的解释编号和合并后的实验编号；诊断实现、修复、核验的选中实验编号）。用户 2026-10-03 决定：vocab 只放这一个，任务材料的其余类型放 materials。
|
||||
|
||||
### rules
|
||||
|
||||
@@ -376,6 +376,21 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
- `BetResult`（类型）：押的因子的结果：更新后的成分权重、权重是否无从更新、各因子的方向收益（实测换算的或估计的）、挑出的因子及其预测收益、押或不押的两种情况、关掉反而更好的格。
|
||||
- `chooseBet(input)`：押的因子，用有效格的实测更新各成分的权重，再挑方向收益最大的因子；有格关掉反而更好或估计收益不为正时不押，实测落在所有成分之外时保持起始权重（6.8）。
|
||||
|
||||
**诊断（6.12，4.3 诊 3、诊 4）**
|
||||
|
||||
成分、权重更新、精确积分、部分格网格、价值减成本的公式只在 `value.ts` 写一份，消融和诊断共用，差别只在"实测 → 收益"的换算：消融是撑几成乘剩余空间 h，没有"都不走"；诊断是改进量 x − b，h 取 1，另有收益为 0 的"都不走"（`floor = 0`）。消融的数字逐位不变（任务书 18 第 1.2 节）。
|
||||
|
||||
- `DiagnosisExplanation`（类型）：一条诊断解释，带作者和它对每个合并后的实验给的三个数。
|
||||
- `DiagnosisModelInput`、`DiagnosisModel`（类型）：成分模型的输入和结果（因子换成实验、撑几成换成改进量）。
|
||||
- `diagnosisModel(input)`：建成分模型，每条解释一个成分、开放预留一个成分，每个实验自己的分布和开放预留（6.3"诊断"、6.12"成分与权重"）。
|
||||
- `DiagnosisParams`、`DiagnosisCombo`（类型）：余额、每批上限、u、衰减和 D；一个实验组合的 VOI、R̂、m′、价值、成本、净值。
|
||||
- `evaluateDiagnosisCombos(model, params)`：列出可选组合并算价值、成本、净值：余额不到 2 次没有组合；实验数不超过 D 时只有"全做"，超过 D 时是所有恰好 D 个实验的组合。R̂ = ⌈(余额 − 1) ÷ 每批上限⌉，成本按一次运行算，ĝ₀ = max(0, max_d E(g_d))。
|
||||
- `DiagnosisRuleInput`、`DiagnosisDecision`、`SkippedReason`（类型）：选诊断实验的输入和结果，结果含 6.12 要求附上的全部数字：参数、成分与起始权重、各实验的事前期望收益、ĝ₀、全部组合的价值成本净值、做不做、选中的实验及其净值、每个实验做不做和没做的原因（放不下、信息价值不足以抵过成本）以及含它的净值最大组合。
|
||||
- `selectDiagnosis(input)`：选诊断实验规则"信息价值减成本"：取净值最大且 > 1e-12 的组合，差不到 1e-12 的按实验编号比（和选格同一条挑法），都不大于 1e-12 时不诊断。
|
||||
- `ExperimentOutcome`（类型）：一个实验的结局：有效分数、证据不足、没做（和消融一格同形）。
|
||||
- `SettleDiagnosisInput`、`DiagnosisDirection`（类型）：一次诊断结算的输入；诊断推出的方向（更新后的权重、各实验的收益、收益最大的实验、有没有指出方向）。
|
||||
- `settleDiagnosis(input)`：一次诊断的结算：每个实验的收益和合并范围，有效实验的世界比特、惊讶、分歧量；每条解释在每个有效实验上的确认或否定（用 `judgeExplanations`）；诊断推出的方向，最大收益不为正时 `found` 为 false。证据不足和没做的实验不判、不记账。
|
||||
|
||||
**信息账（6.9）**
|
||||
|
||||
这一组是方法里"唯一的尺子"，不随选批、选格规则变，一律在分数原值上从本批基线 b 起按格宽切小格。
|
||||
@@ -397,9 +412,9 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
- `runBalance(total, runs)`：从运行记录数出已扣次数、占用名额和余额；确认启动的扣一次，已预留的先占着名额，确认没启动的退还。只数运行次数，不算计算时间。
|
||||
- `forwardBatchSize(batchCap, balance)`：本轮正向批量 k = min(每批上限, 余额)。
|
||||
- `ablationCellLimit(balance)`：消融最多测"余额 − 1"格，余额为 0 或 1 时是 0。
|
||||
- `Phase`（类型）：正向或消融。
|
||||
- `Phase`（类型）：正向、诊断或消融。
|
||||
- `Tally`（类型）：一个人的战绩：总数、中位数偏高几次、偏低几次、被穿过上沿几次、下沿几次、包住几次、落点四段计数。
|
||||
- `trackRecord(samples)`：按研究者、按正向与消融分开数战绩，只用来显示，不改任何权重（6.9、6.10）。
|
||||
- `trackRecord(samples)`：按研究者、按正向、诊断与消融分开数战绩，结果按研究者编号、正向、诊断、消融排，只用来显示，不改任何权重（6.9、6.10）。
|
||||
- `authorVsMerged(items, direction)`："作者自评 vs 大家合并"，给出作者比大家乐观多少，以及实测落在两个范围的哪一段；只收已经跑过、有有效成绩的候选（6.10 第 4 条）。
|
||||
|
||||
**入口分配、种子与规则登记表（4.2、第九部分、第十一部分）**
|
||||
@@ -411,8 +426,10 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
- `seededSample(items, size, seed)`：用种子从一组编号里不放回地均匀抽 size 个，结果只取决于种子和编号集合，与传入次序无关；候选和因子都这样抽。
|
||||
- `BATCH_RULES`、`BatchRuleName`：选批规则登记表，名字 → 函数和版本号，两条：批内最好期望、均匀随机。
|
||||
- `CELL_RULES`、`CellRuleName`：选格规则登记表，四条：信息价值减成本、全测、随机抽同样多的格、都不测。
|
||||
- `DIAGNOSIS_RULES`、`DiagnosisRuleName`：选诊断实验规则登记表，只有一条：信息价值减成本（6.12），配置里不选，步骤清单的 `selectDiagnosis` 一步带它的名字和版本。
|
||||
- `runBatchRule(name, input)`：按名字跑一条选批规则，结果带上规则名和版本，flow 写决定记录时从这里取。
|
||||
- `runCellRule(name, input)`：按名字跑一条选格规则，结果带上规则名和版本。
|
||||
- `runDiagnosisRule(name, input)`：按名字跑选诊断实验规则，结果带上规则名和版本。
|
||||
|
||||
### ledger
|
||||
|
||||
@@ -420,9 +437,9 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
|
||||
**打开与写入**
|
||||
|
||||
- `Ledger.open(path)`：打开一份研究的账本，新文件就建表，旧文件核对表结构版本号（现为 4），对不上就报错。
|
||||
- `Ledger.open(path)`：打开一份研究的账本，新文件就建表，旧文件核对表结构版本号（现为 5），对不上就报错。
|
||||
- `ledger.close()`：关闭数据库。
|
||||
- `ledger.append(kind, content)`：追加一条记录并返回它。先按种类检查内容，再做第四部分说的四种拒收检查（第 1 条是只收开着的阶段的提交，即有开阶段记录、没有关阶段记录），都在同一个事务里。有自己编号、按定义只发生一次的记录按编号加了唯一约束，重复写就报错：阶段开、阶段关、运行登记、确认启动（"结果是没启动"也算在这一条里，一次运行两样只能有一样）、运行结果、模型调用开始、模型调用结束、消融结算（按轮次，一轮一条）；其余记录照写。记录之间的先后（例如结果前要先有登记）不查。写提案时，作者自评从提案里拆出来，在同一个事务里另存成一条封存。
|
||||
- `ledger.append(kind, content)`：追加一条记录并返回它。先按种类检查内容，再做第四部分说的五种拒收检查（第 1 条是只收开着的阶段的提交，即有开阶段记录、没有关阶段记录；第 5 条是这一轮的诊断运行已经确认启动，就不能再关这一轮的诊断预测阶段），都在同一个事务里。有自己编号、按定义只发生一次的记录按编号加了唯一约束，重复写就报错：阶段开、阶段关、运行登记、确认启动（"结果是没启动"也算在这一条里，一次运行两样只能有一样）、运行结果、模型调用开始、模型调用结束、消融结算、诊断结算（都按轮次，一轮一条）；其余记录照写。记录之间的先后（例如结果前要先有登记）不查。写提案时，作者自评从提案里拆出来，在同一个事务里另存成一条封存。
|
||||
- `ledger.transaction(fn)`：里面的几次追加要么全部写进去，要么一条都不写；fn 必须是同步函数，返回值类型排除了 Promise，异步函数在类型检查时就被挡住；不能嵌套。
|
||||
|
||||
**读取**
|
||||
@@ -435,7 +452,7 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
|
||||
**类型**
|
||||
|
||||
- `Kind`：记录的种类，共 19 种：`config`（研究配置）、`stageOpen` / `stageClose`（阶段开、关）、`submission`（提交的每一版，外层带收下时用到的 `JevJudgment` 数组，没用到 Jev 的为 null）、`rejection`（退回，带对象 `target`（与提交的 target 同义，没有对象的写 null；同一人在同一阶段可能对几个对象各做一次同种任务，materials 按它找本人这个对象的上一次退回）、原样内容和理由；Jev 退回的，原样存这次用到的一条或几条 `JevJudgment`，程序检查退回的这一项写 null）、`note`（私人笔记，每次修改追加一条，以最后写入的一条为准，不带版本号）、`protocol`（冻结协议）、`seal` / `unseal`（作者自评的封存、解封，都用记录序号指明是哪一条）、`code`（冻结代码）、`runPlanned` / `runStarted` / `runResult`（运行的登记要跑、确认启动、结果）、`decision`（决定）、`settlement`（一轮的消融结算，按轮次唯一）、`callStarted` / `callUsage` / `callEnded`（模型调用的开始，附这次任务的全部材料；每次回复的用量；结束，带墙钟时间（秒，`Measured`：中断后恢复时补写的结束记录，结局记出错、原因写"进程中断"，墙钟时间记测不到），结局与 agents 的会话结局同名：交了、没交（带原因）、出错（带原因）、被停下）、`event`（事件）。
|
||||
- `Kind`：记录的种类，共 20 种：`config`（研究配置）、`stageOpen` / `stageClose`（阶段开、关）、`submission`（提交的每一版，外层带收下时用到的 `JevJudgment` 数组，没用到 Jev 的为 null）、`rejection`（退回，带对象 `target`（与提交的 target 同义，没有对象的写 null；同一人在同一阶段可能对几个对象各做一次同种任务，materials 按它找本人这个对象的上一次退回）、原样内容和理由；Jev 退回的，原样存这次用到的一条或几条 `JevJudgment`，程序检查退回的这一项写 null）、`note`（私人笔记，每次修改追加一条，以最后写入的一条为准，不带版本号）、`protocol`（冻结协议）、`seal` / `unseal`（作者自评的封存、解封，都用记录序号指明是哪一条）、`code`（冻结代码）、`runPlanned` / `runStarted` / `runResult`（运行的登记要跑、确认启动、结果；登记的用途有基线、正向、消融、诊断四种）、`decision`（决定）、`settlement`（一轮的消融结算，按轮次唯一）、`diagnosisSettlement`（一轮的诊断结算，按轮次唯一，和消融结算各管各的）、`callStarted` / `callUsage` / `callEnded`（模型调用的开始，附这次任务的全部材料；每次回复的用量；结束，带墙钟时间（秒，`Measured`：中断后恢复时补写的结束记录，结局记出错、原因写"进程中断"，墙钟时间记测不到），结局与 agents 的会话结局同名：交了、没交（带原因）、出错（带原因）、被停下）、`event`（事件）。
|
||||
- `AppendKind`：调用方能追加的种类，除了 `seal`（封存只由 ledger 在写提案时一并写）。
|
||||
- `Content<K>`：某种记录存下的内容。
|
||||
- `Input<K>`：追加时交的内容；只有提交和存下的不同：提案带着作者自评。
|
||||
@@ -454,7 +471,7 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
|
||||
**字段定义**
|
||||
|
||||
- `ResearchConfig`（字段定义）：research.json 的全部字段，全部必填，不认识的字段报错。每个字段带中文说明（`description`）和类别（`category`：用户配置或方法参数），配置对话照着它问，不另写一份。`models` 里除了各角色的模型，还有 Jev 用的模型名（`models.jev`，用户配置）；Jev 的密钥不进配置，从环境变量读。流程是两选一：完整流程写四个开关、选批规则、它才用得到的 λ、u、衰减；朴素循环只写 `preset`，别的都写不进去。
|
||||
- `ResearchConfig`（字段定义）：research.json 的全部字段，全部必填，不认识的字段报错。每个字段带中文说明（`description`）和类别（`category`：用户配置或方法参数），配置对话照着它问，不另写一份。`models` 里除了各角色的模型，还有 Jev 用的模型名（`models.jev`，用户配置）；Jev 的密钥不进配置，从环境变量读。流程是两选一：完整流程写开关（含诊断：关，或开并写每人每轮诊断实验上限 A 和一次诊断最多做几个实验 D，两个都是方法参数）、选批规则、它才用得到的 λ、u、衰减；朴素循环只写 `preset`，别的都写不进去。
|
||||
- 研究编号 `studyId` 只许小写字母、数字和 `._-`，首字符是小写字母或数字：它会进 Docker 镜像名，镜像名只认小写。（来源：用户 2026-10-03 同意，任务书 13）
|
||||
- `task`、`promptDir` 必须是绝对路径：从别的目录接着跑一份研究时，相对路径会读到别处，而任务目录没有哈希核对挡着。（来源：用户 2026-10-03 同意，任务书 13）
|
||||
- `FIELD_CATEGORIES`、`FieldCategory`：字段的两种类别，用户配置、方法参数。
|
||||
@@ -467,7 +484,7 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
- `Step<S>`（类型）：一步：编号、规则（只有选批、选格有，其余为空）、执行或跳过及原因。
|
||||
- `RuleRef`（类型）：决策点用的规则，名字和版本。
|
||||
- `STUDY_STEPS`、`StudyStepId`：整份研究的步骤，按先后排。
|
||||
- `ROUND_STEPS`、`RoundStepId`：每一轮的步骤，按先后排；比第三部分拆得更细（例如"回应与统一"和"协议冻结"分成两步，挑刺与回应关掉时协议照样冻结）。
|
||||
- `ROUND_STEPS`、`RoundStepId`：每一轮的步骤，按先后排；诊断七步（`diagnosisProposal`、`diagnosisDedupe`、`diagnosisPrediction`、`selectDiagnosis`、`diagnosisImplementation`、`diagnosisRun`、`diagnosisSettle`）排在 `carryOverPool` 与 `proposal` 之间，`selectDiagnosis` 带规则名和版本；诊断关掉时七步都按配置跳过，消融关掉时 `explanation` 也跳过；比第三部分拆得更细（例如"回应与统一"和"协议冻结"分成两步，挑刺与回应关掉时协议照样冻结）。
|
||||
|
||||
### runner
|
||||
|
||||
@@ -528,13 +545,14 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
|
||||
下面是 `src/materials/index.ts` 导出的全部内容。谁能看什么每种任务一个函数，对着方法.md 第三部分、4.2、4.3 写，不写通用判定（用户 2026-10-02）。materials 只读账本，不写；任务材料由 flow 整份存进"模型调用开始"记录。依赖只有 ledger、rules、vocab；代码比较结果、运行产物、提示词由 flow 传进来。
|
||||
|
||||
- `buildMaterial(req)`：生成一份任务材料：给模型看的各节、可查询的记录、拼好的第一条消息、对号清单、能读的代码版本。研究者的材料按"任务说明 → 你自己的 → 公共材料 → 现在交什么"排；实验员、核验员的按"任务说明 → 分给你的材料 → 现在交什么"排，不给信念本和成绩。同一人重新发起同一任务时，最前面放上一次被退回的原因：按阶段、作者、提交种类、对象找本人最后一条退回记录。"现在交什么"由 vocab `SUBMISSION_SCHEMAS` 的字段说明生成。几种任务的取法：
|
||||
- `buildMaterial(req)`：生成一份任务材料：给模型看的各节、可查询的记录、拼好的第一条消息、对号清单、能读的代码版本。研究者的材料按"任务说明 → 你自己的 → 公共材料 → 现在交什么"排；实验员、核验员的按"任务说明 → 分给你的材料 → 现在交什么"排，不给信念本和成绩。同一人重新发起同一任务时，最前面放上一次被退回的原因：按阶段、作者、提交种类、对象找本人最后一条退回记录。"现在交什么"由 vocab `SUBMISSION_SCHEMAS` 的字段说明生成。`StudyFacts` 多一个 `diagnosisExperimentLimit`（每人每轮诊断实验上限 A，诊断关掉为 null），诊 1 的对号清单用它。几种任务的取法：
|
||||
- 讨论、认领：展示讨论原文时，原文引用的入口编号已经作废的（讨论时整份替换过清单），在它后面就地标"（已作废）"，读的人才分得清哪些编号还有效（用户 2026-10-03 同意，任务书 14 第 2.5 节）。前后紧挨字母、数字或"-"的不算，`e-x-1` 不会匹配到 `e-x-12` 里。
|
||||
- 第二次预测：冻结协议不带答复，"挑刺与答复"从这个候选已公开的最后一份回应或统一里读（回应另给答复正文）；留池候选读它冻结那一轮的（用户 2026-10-03 定）。
|
||||
- 核验：不放 Jev 对这份实现的判断。能走到核验说明 Jev 已判过，Jev 是判别条件，不是给核验员的提示。
|
||||
- 消融实现：这一格已有公开的消融核验（核验不通过、重做）时，和修复一样从上一次交的这一格代码接着改（用户 2026-10-03 定）：工作目录写"上一次交的这一格代码的副本"，能读的版本里加上它，完整代码照旧列出作对照；另放"退回意见"：最近一次核验里关错了的因子和核验员写的依据，写法同修复的退回意见。
|
||||
- 诊断（方法.md 第三部分、4.3 诊 1–诊 4）：诊 1 放当前基线的代码、产出它的那次运行的结果和原始答案（产物放进查询，flow 经 `artifacts` 传进来）、信念本、上一轮收尾，第 1 轮的第零轮记录在研究记录里；诊 2 放合并后的诊断实验（标明作者）和全部诊断解释，自己的解释另列，别人在这一步交的数一概不读；诊断实现、修复、核验只看选中的实验原文和当前基线代码（实现、修复另告诉原始产物已只读放进工作目录，位置在任务说明里；修复另放退回意见，只修没通过的实验；核验放当前基线到诊断程序的改动和位置表），不给信念本和成绩。从 ② 提案起的全部研究者任务，公共材料里在"基线"之后加"本轮诊断结果"一节（每个实验的做法、实测、用时、结局，每条解释确认或否定，推出的方向；本轮没诊断写原因：余额不到 2 次、配置关掉、信息价值不抵成本、选中的实验一个都没剩下）；诊断运行在诊断结算写入后公开，诊断程序进"能读的代码"，各人给的三个数不进任何记录或查询。实现、修复正向候选的实验员，本轮有诊断时多一个只读的诊断程序目录，注明"冻结协议引用诊断实验时作参考"。信念本加"诊断历史"，战绩加"诊断"一档；诊断实验的实测不算"手里最好"（诊断运行的运行记录不带判分，逐个实验的结果只在诊断结算里）。
|
||||
- 指标：冻结之后一律用全名"候选编号.短名"：已登记指标清单、对号清单的 `reusableMetrics`、实验员材料的"要实现的指标定义"（候选代码在结果文件里也用全名当键）。提案、回应、统一的对号清单里，已占用的指标编号只有任务的指标、`answer-path` 和 `safeguard-triggers` 两个保留键（用户 2026-10-03 定）；已登记的全名带 `.`，新登记的短名不带，不用列进来。
|
||||
- `Board`（类）：materials 读账本的那一份，构造参数是账本记录数组。flow 的"下一步做什么"是只拿得到记录数组的纯函数，它和 flow 的三个程序步骤都经这一份读账本，不另写一份（任务书 14 第 2.4 节）。flow 用到的：`stages`、`stage`（阶段的轮次、名单、关没关）、`published`（已公开的某种提交，最后一版为准）、`decision`（某轮某种决定）、`proposal`、`proposalsOf`、`authorsOf`（候选合并了哪些原提案、作者按编号排）、`answerOf`（冻结出候选的最后一份回应或统一）、`protocol`、`protocols`、`carried`（留池候选）、`baselineOf`（第 r 轮的本批基线）、`baselineScore`、`runStates`。任务书 14 写的是导出 `baselineOf`、`baselineScore` 两个函数，实际导出了整个类，原因是纯函数只拿得到记录数组，要用的远不止这两样（这一处偏离待用户确认）。
|
||||
- `Board`（类）：materials 读账本的那一份，构造参数是账本记录数组。flow 的"下一步做什么"是只拿得到记录数组的纯函数，它和 flow 的三个程序步骤都经这一份读账本，不另写一份（任务书 14 第 2.4 节）。flow 用到的：`stages`、`stage`（阶段的轮次、名单、关没关）、`published`（已公开的某种提交，最后一版为准）、`decision`（某轮某种决定）、`proposal`、`proposalsOf`、`authorsOf`（候选合并了哪些原提案、作者按编号排）、`answerOf`（冻结出候选的最后一份回应或统一）、`protocol`、`protocols`、`carried`（留池候选）、`baselineOf`（第 r 轮的本批基线）、`baselineScore`、`runStates`；诊断另有：`runStatesBefore(round)`（这一轮之前各次运行的状态，算诊断开始时的余额）、`diagnosisSettlement(round)`、`diagnosisSettlements()`、`diagnosisDone(round)`（提案阶段开了，就是诊断这一段走完了或本轮不诊断）、`diagnosisExplanations(round)`（已公开的诊断解释：编号、作者、正文）、`diagnosisExperiments(round)`（合并后的诊断实验：`MergedExperiment`，编号、全部作者、正文取作者里编号最小的那一份、登记的指标已改全名"实验编号.短名"）。任务书 14 写的是导出 `baselineOf`、`baselineScore` 两个函数，实际导出了整个类，原因是纯函数只拿得到记录数组，要用的远不止这两样（这一处偏离待用户确认）。
|
||||
- `protocolMetrics(board, protocol)`：把冻结协议自定义及引用的指标合成原登记定义，实验员材料与 flow 问 Jev、正式运行共用（来源：任务书 16 第 2.2、2.4 节）。
|
||||
- `finalEntries(ledger)`：按账本取的最终有效的入口（各人最后一版入口清单里的每个入口，带作者和正文）；flow 分配入口时用，和认领的对号清单是同一份（任务书 12 第三部分）。
|
||||
- `queryMaterial(material, id)`：只在这份材料的记录里按编号找，交回全文；找不到交回 null（agents 的查询回调据此答"看不到"）。
|
||||
@@ -542,12 +560,13 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
- `beliefBook(ledger, study, round)`：信念本全文（方法.md 6.10 五条），数字全部用 rules 现算，只写已公开的记录；`round` 是读者所在轮次，导出时写 null。选批历史的每次运行后面原样写出任务的附加记录（判分结果的 `extra`，合法化扣掉的分在里面，字段由任务定）。消融格记"证据不足"时，有运行的原因取判分，没有运行的（核验不通过、重做次数用完）原因取这一格的 `CELL_NOT_RUN` 事件。
|
||||
- `TaskMaterial`、`MaterialSection`、`MaterialRecord`、`ReadableVersion`（类型）：任务材料，以及其中的一节、一条可查询记录（编号、标题、全文）、一个能读的代码版本（版本号、说明、取出目录）。
|
||||
- `TaskRequest`、`StudyFacts`、`CodeChanges`、`Prompts`、`PromptFile`（类型）：flow 传进来的东西，全部必填；`CodeChanges` 与 workspace 的比较结果同形（照 jev `codeHunks` 的先例，不引用 workspace）。
|
||||
- 账本里只存成 Json 的内容的形状（用户 2026-10-03 决定 2：materials 定义，flow 照着写，ledger 不改）：`StudyRecord`（研究配置记录：配置、步骤清单、提示词每个文件的哈希、镜像编号、任务事实、种子；配置和任务事实存 Json，flow 读回时用 `checkConfig`、`checkTaskFacts` 再检查，任务书 12 第三部分）、`FrozenProtocol`（冻结协议：方法.md 4.3 ⑥ 列的因子、保障、指标、正文、实现条款，加轮次、出发的基线、合并了哪些原提案；不带答复，主体由 submissions 的 `protocolBody` 拼，指标编号是全名）、`LocationTable`（代码记录的位置表）、`DecisionKind`、`DECISION_KINDS`、`DecisionShapes`（六种决定：入口分配、判重合并、选批、采纳、选格、押的因子，输入输出用 rules 的类型；没采纳时也写一条采纳决定）、`DedupOutput`（判重合并的输出）、`Settlement`（结算）。
|
||||
- 账本里只存成 Json 的内容的形状（用户 2026-10-03 决定 2：materials 定义，flow 照着写，ledger 不改）：`StudyRecord`（研究配置记录：配置、步骤清单、提示词每个文件的哈希、镜像编号、任务事实、种子；配置和任务事实存 Json，flow 读回时用 `checkConfig`、`checkTaskFacts` 再检查，任务书 12 第三部分）、`FrozenProtocol`（冻结协议：方法.md 4.3 ⑥ 列的因子、保障、指标、正文、实现条款，加轮次、出发的基线、合并了哪些原提案；不带答复，主体由 submissions 的 `protocolBody` 拼，指标编号是全名）、`LocationTable`（代码记录的位置表）、`DecisionKind`、`DECISION_KINDS`、`DecisionShapes`（八种决定：入口分配、判重合并、选批、采纳、选格、押的因子、诊断实验判重合并（`diagnosisDedup`）、选诊断实验（`selectDiagnosis`），输入输出用 rules 的类型；没采纳时也写一条采纳决定）、`DedupOutput`（判重合并的输出）、`DiagnosisDedupOutput`（诊断实验判重合并的输出：合并后的每个实验由哪几个作者的哪几个实验合成，第一个的正文是合并后的正文）、`Settlement`（消融结算）、`DiagnosisSettlement`（诊断结算：运行编号、每个跑过的实验单独判分的结果（与 tasks 的 `DiagnosisJudged` 同形）、核验不通过而拿掉的实验和原因、`settleDiagnosis` 的输入输出）、`DiagnosisLocationTable`（诊断程序的位置表，每个选中的实验一项）。诊断运行的运行记录里 `judged` 写 null。
|
||||
- `freezeProtocol(body, candidate, round, baseline, proposals)`：flow 写冻结协议时调用。输入 submissions 交回的冻结协议主体、候选编号、轮次、基线、合并了哪些原提案，交回 `FrozenProtocol`；新登记的假设专用指标改用全名"候选编号.短名"（例如 `r2-c1.restart-gain`），引用的本来就是全名，照抄。加前缀只在这一处：同一轮的研究者互相看不到提案，会起同一个短名、定义却不同，候选编号判重合并之后才有，所以只能在冻结时加（用户 2026-10-03 定）。
|
||||
- `experimenterId(candidate)`、`verifierId(candidate)`：每个候选固定一位实验员、一位核验员，修复及再次核验沿用编号（来源：任务书 16 第 2.4 节）。
|
||||
- `FORWARD_NOT_RUN`、`forwardNotRunEvent(候选, 原因)`：正向候选修复用完仍未通过核验时的“不跑”事件，`objects` 只有该候选；不扣次（来源：任务书 16 第 2.2 节）。
|
||||
- 事件：`CELL_NOT_RUN`、`cellNotRunEvent(格, 原因)`：一格消融核验不通过、重做次数用完而不跑时，flow 用它写事件记录（`objects` 只有这一格），结算记证据不足（方法.md 4.3 ⑯、6.6）。
|
||||
- 编号规则：`ORIGINAL_BASELINE`、`researcherId`（第 i 位研究者，从 0 数，编号 `researcher-<i+1>`，任务书 12 第三部分）、`entryId`、`proposalId`、`critiqueId`、`candidateId`、`factorId`、`cellId`、`splitCell`、`explanationId`、`callId`，以及协议内的局部编号 `factorKey`（p1…）、`clauseKey`（c1…）。入口编号按作者一直往后编，讨论时整份替换也不复用旧编号。
|
||||
- 事件：`DIAGNOSIS_NOT_RUN`、`diagnosisNotRunEvent(轮次, 原因)`：选中的诊断实验核验都没通过、修复用完而一个都不剩时，flow 写这条事件（`objects` 只有本轮诊断的编号），不跑、不扣次；材料里"本轮没有诊断"的原因从它读。
|
||||
- 编号规则：`ORIGINAL_BASELINE`、`researcherId`（第 i 位研究者，从 0 数，编号 `researcher-<i+1>`，任务书 12 第三部分）、`entryId`、`proposalId`、`critiqueId`、`candidateId`、`factorId`、`cellId`、`splitCell`、`explanationId`，诊断的 `diagnosisId(轮次)`（本轮诊断：诊断程序的冻结代码、诊断运行、诊断实现与核验的对象）、`diagnosisKey(i)`（合并后第 i 个诊断实验，d1…）、`diagnosisExplanationId(轮次, 作者, i)`（诊断解释，`r1-researcher-1-dx1`），`callId`，以及协议内的局部编号 `factorKey`（p1…）、`clauseKey`（c1…）。入口编号按作者一直往后编，讨论时整份替换也不复用旧编号。
|
||||
|
||||
### agents
|
||||
|
||||
@@ -563,12 +582,15 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
|
||||
### jev
|
||||
|
||||
下面是 `src/jev/index.ts` 导出的全部内容。九问的问法和阈值照参考项目，只改了说法和字段名；阈值没有在新项目的材料上校准过，等真实研究的数据（任务书 08 第三部分）。模型名由调用方从 config 的 `models.jev` 传入，密钥从环境变量 `TYPESAFE_API_KEY` 读进请求头。调不通时在发请求那一处有限次重试，仍不通就报错；回答读不懂报错并带请求编号。
|
||||
下面是 `src/jev/index.ts` 导出的全部内容。九问的问法和阈值照参考项目，只改了说法和字段名；诊断实验另有四问（判重一问，冻结检查三问），照判重、冻结条款的写法，阈值暂用它们的值；阈值都没有在新项目的材料上校准过，等真实研究的数据（任务书 08 第三部分、任务书 18 第三块）。模型名由调用方从 config 的 `models.jev` 传入，密钥从环境变量 `TYPESAFE_API_KEY` 读进请求头。调不通时在发请求那一处有限次重试，仍不通就报错；回答读不懂报错并带请求编号。
|
||||
|
||||
- `judgeSameChange(model, a, b)`：③ 判重，两条提案的因子清单是不是同一个改法，一对一次请求，交回一条 `JevJudgment`。
|
||||
- `checkProtocol(model, protocol)`：⑥ 查冻结条款，三问（改动了评测、自相矛盾、太含糊）各一次请求，交回 `JevCheck`。
|
||||
- `checkHunk(model, hunk, protocol)`：⑨ 查一段代码改动，五问（不固定种子的随机数、没登记就读时钟、算登记指标的方式与定义不符、比登记的停止条件更早结束、测不到的量写成 0）同一份材料一次请求，交回 `JevCheck`。对照的指标取自冻结协议，编号是全名。
|
||||
- `judgeSameExperiment(model, a, b)`：诊 2 诊断实验判重，两个实验（名称、动哪一处、怎么动）是不是同一个实验，一对一次请求，交回一条 `JevJudgment`；阈值暂用判重的 0.3，待校准。
|
||||
- `checkExperiment(model, experiment)`：诊 1 查一个诊断实验，改动了评测、自相矛盾、太含糊三问各一次请求，用冻结三问的诊断变体（材料是"一个诊断实验"，不是冻结协议），交回 `JevCheck`；阈值暂用冻结三问的值，待校准。诊断程序的代码改动直接用 `checkHunk` 的五问。
|
||||
- `codeHunks(comparison)`：把 workspace 的比较结果（文件清单和差异原文）切成差异块；没有 `@@` 行的改动（二进制、只改可执行位、空文件增删）不出块，由程序检查。
|
||||
- `DedupExperiment`、`DiagnosisExperiment`（类型）：诊断实验判重和冻结检查收的输入。
|
||||
- `DedupFactor`、`FrozenProtocol`、`ProtocolMetric`、`ProtocolRules`、`CodeHunk`（类型）：三个函数收的带类型输入，取自 vocab 的字段定义；材料由 jev 自己拼。`DedupFactor` 是因子的名称、做法和关键设定：问题写着"设定不同就不算同一个改法"，所以关键设定要给 Jev 看，判重的材料说明里也用一句话讲了 `keySettings` 是什么。
|
||||
- `JevCheck`（类型）：每一问的判断，以及有没有任何一问判"是"。
|
||||
|
||||
@@ -576,12 +598,13 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
|
||||
下面是 `src/submissions/index.ts` 导出的全部内容。submissions 判一份提交收下还是退回：先做程序检查（vocab 字段定义管不到的跨字段规则，问题一次列全），有一项不过就退回、不问 Jev；全过了再问 Jev，几问问完、有一问判"是"就退回。它不读也不写账本，只依赖 jev 和 vocab；要 workspace、tasks、materials 算的东西由 flow 算好传进来。Jev 调不通、回答读不懂时 jev 报错，这里不接住，flow 按内部错误停下。
|
||||
|
||||
- `receive(incoming)`：判一份提交，交回 `Verdict`。回应、统一先拼好冻结协议主体，程序检查、问 Jev、交回都用这同一份；回应、统一问冻结条款三问，实现、修复对每个差异块问代码改动五问，其余种类不问 Jev。Jev 退回的原因只列判"是"的几问，用 jev 的英文问题名（用户 2026-10-03 定），差异块附原文。
|
||||
- `receive(incoming)`：判一份提交，交回 `Verdict`。回应、统一先拼好冻结协议主体，程序检查、问 Jev、交回都用这同一份；回应、统一问冻结条款三问，实现、修复（含诊断程序）对每个差异块问代码改动五问，诊断解释与实验对每个实验问诊断变体的冻结三问，其余种类不问 Jev。诊断另有四条程序检查：解释 1 至 M 条、实验 1 至 A 个；诊断预测覆盖自己每条解释 × 每个合并后的实验、不多不少、三个数严格递增；诊断实验登记的指标只能是"缺了只记缺失"；诊断核验的逐个实验结果覆盖全部选中的实验。Jev 退回的原因只列判"是"的几问，用 jev 的英文问题名（用户 2026-10-03 定），差异块附原文。
|
||||
- `protocolBody(from)`：拼冻结协议主体，只在这一处拼。回应：因子、保障、指标、正文四项，`changes` 写了哪项就整项换新，没写的用原提案的，实现条款取回应自己的；统一：直接用统一提交自己的字段。答复不进协议（用户 2026-10-03 定）。
|
||||
- `verificationOutcome(v)`：一份已收下的核验通过没有：任何条款、因子、保障没落实，或任何没有归属的改动判为越界，就不通过；四类分开列（方法.md 4.3 ⑨）。
|
||||
- `ablationOutcome(v, off, alsoOff)`：一份已收下的消融核验通过没有：要关的因子和实验员报的一起关的因子都写了"关着"、其余都写了"照留"才通过；分开列该关却照留的和该留却关了的（方法.md 4.3 ⑯）。
|
||||
- `diagnosisOutcome(v)`：一份已收下的诊断核验逐个实验通过没有：`followed` 或 `nothingElse` 任一为 false 的实验不通过，分开列没照写法做的和动了写法以外地方的（方法.md 4.3 诊 4）。
|
||||
- `Incoming`（类型）：交给 `receive` 的一份提交，按提交种类区分：内容、这次任务的对号清单、提交之后才知道的东西（`KnownOf`）、Jev 的模型名。
|
||||
- `KnownOf<K>`（类型）：提交之后才知道的东西，没有的种类为 null：提案是本人本阶段已收下几条，回应是作者那条原提案，实现和修复是 `ForwardCode`，消融实现是 `AblationCode`（交了"跑不起来"时为 null）。
|
||||
- `KnownOf<K>`（类型）：提交之后才知道的东西，没有的种类为 null：提案是本人本阶段已收下几条，回应是作者那条原提案，实现和修复是 `ForwardCode`，消融实现是 `AblationCode`（交了"跑不起来"时为 null），诊断实现和修复也是 `ForwardCode`。
|
||||
- `ForwardCode`（类型）：实现、修复的代码：存不成版本时带路径和原因；存成了带改了的不许改的文件、和本批基线比出的差异块、给 Jev 对照的协议条款。
|
||||
- `AblationCode`（类型）：消融实现的代码：存不成版本时带路径和原因；存成了只带改了的不许改的文件。
|
||||
- `OriginalProposal`（类型）：回应拼协议时叠在下面的原提案：因子、保障、指标、正文，作者自评不进协议。
|
||||
@@ -590,7 +613,7 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
|
||||
### flow
|
||||
|
||||
下面是 `src/flow/index.ts` 导出的全部内容，以后 plugin 也只用它。flow 只经各模块的 `index.ts` 用它们；正式代码里没有为检验写的参数、环境变量、回放模式或假实现（CLAUDE.md"测试"）。这一节对应 flow 第 1–4 部分（任务书 12、14、16、17）：骨架、研究开始、第零轮、第 r 轮从开轮到收尾、一轮接一轮直到余额用完；余额为 0 时走到 `export` 停下，原因"导出还没写"（导出还没写）。轮次按"第 r 轮"写，不写死轮数。
|
||||
下面是 `src/flow/index.ts` 导出的全部内容，以后 plugin 也只用它。flow 只经各模块的 `index.ts` 用它们；正式代码里没有为检验写的参数、环境变量、回放模式或假实现（CLAUDE.md"测试"）。这一节对应 flow 第 1–5 部分（任务书 12、14、16、17、18）：骨架、研究开始、第零轮、第 r 轮从开轮（含诊断）到收尾、一轮接一轮直到余额用完；余额为 0 时走到 `export` 停下，原因"导出还没写"（导出还没写）。轮次按"第 r 轮"写，不写死轮数。
|
||||
|
||||
- `runStudy(input)`：推进一份研究，直到停下。输入三样，都必填：研究目录；配置（新研究交 `checkConfig` 检查过的配置，接着跑一份已有的研究写 null，以账本里冻结的那份为准；两者对不上就报错）；"停下"信号。每次启动走同一条路：打开账本；新研究先冻结配置，本机已有 `inforsi-<研究编号>` 的镜像就说明研究编号用过了，报错停下，要换一个编号（编号重复的新研究会把旧研究遗留的同名容器当成自己的运行）；已有研究的，核对冻结的配置、镜像还在、提示词哈希没变（开发入口开着时提示词可以变）；给开始了没结束的模型调用补写结束（出错、"进程中断"、墙钟时间测不到）；按容器名问 Docker 核对登记了没结果的正式运行（没启动的写"没启动"退还名额，启动了的补写确认启动、等它、判分、写结果，问不到的写"状态未知"事件并停下）；然后进主循环：读账本 → 问"下一步做什么" → 做这一步 → 回到开头。主循环里 `docker run` 没启动的，写完"没启动"结果（退还名额、记下 Docker 报错原文）就停下，停下原因带上报错原文，本进程不重跑；下次启动时照旧起新编号重跑。恢复时补写的"没启动"不停下。
|
||||
- `StudyInput`（类型）：上面三样输入。
|
||||
@@ -607,6 +630,12 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
| `entryDraft`、`discussion1`、`discussion2`、`claim` | 这个阶段的关闭记录（`stageClose`）；阶段编号 `r0-<步骤>` |
|
||||
| `assignEntries` 分配 | 第 0 轮的入口分配决定（`decision`，种类 `entries`） |
|
||||
| `openRound`、`carryOverPool` | 不写记录：本轮名单和提案上限就是冻结的配置（方法.md 4.3 ①），留池候选由 materials 从记录算出（`Board.carried`） |
|
||||
| `diagnosisProposal`、`diagnosisPrediction` 诊 1、诊 2 | 这一轮这个阶段的关闭记录；阶段编号 `r<轮>-diagnosisProposal`、`r<轮>-diagnosisPrediction`。余额只算本轮开始之前的运行，不到 2 次时本轮不诊断：诊 1–诊 4 不开阶段、不写任何记录，材料里的"本轮没有诊断：余额只剩……"从余额现算 |
|
||||
| `diagnosisDedupe` 诊 2 判重合并 | 本轮的诊断实验判重合并决定（`decision`，种类 `diagnosisDedup`） |
|
||||
| `selectDiagnosis` 诊 3 | 本轮的选诊断实验决定（`decision`，种类 `selectDiagnosis`）；定了不诊断也写，之后诊 4 的几步都不做 |
|
||||
| `diagnosisImplementation` 诊 4 实现、核验、修复 | 最近一次核验里至少有一个实验通过（不通过的拿掉）；或修复次数用完、一个都不剩而且有"不跑"事件（`diagnosisNotRun`，`objects` 是本轮诊断）。阶段编号 `r<轮>-diagnosisImplementation-1`、`r<轮>-diagnosisVerification-1`、`r<轮>-diagnosisRepair-1`、`r<轮>-diagnosisVerification-2`……第几次从账本数，不另存 |
|
||||
| `diagnosisRun` 诊 4 运行 | 本轮诊断运行最近一次有结果，而且不是"没启动"；没有诊断、或实验一个都没剩下时不登记 |
|
||||
| `diagnosisSettle` 诊 4 结算 | 本轮的诊断结算记录（`diagnosisSettlement`，按轮次唯一）；没有诊断、或实验一个都没剩下时不写 |
|
||||
| `proposal`、`firstPrediction`、`critique`、`response`、`secondPrediction` | 这一轮这个阶段的关闭记录（`stageClose`）；阶段编号 `r<轮>-<阶段>` |
|
||||
| `dedupe` 判重合并 | 本轮的判重合并决定（`decision`，种类 `dedup`） |
|
||||
| `freezeProtocol` 冻结协议 | 本轮每个新候选都有冻结协议记录（`protocol`）；全部候选在同一个事务里写 |
|
||||
@@ -642,6 +671,10 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
| 实现 | 每个入选候选一个实验员，从本批基线取工作目录，不同候选同时实现 | 候选 |
|
||||
| 核验 | 每个待核验候选一个核验员；首次核验本批全部，之后只核验刚修复的候选 | 候选 |
|
||||
| 修复 | 只给核验不通过的候选，交原实验员，从上次提交的代码接着改 | 候选 |
|
||||
| 诊断解释与实验、诊断预测 | 每位研究者一个任务 | 无 |
|
||||
| 诊断实现 | 一位实验员（`experimenter-<本轮诊断>`），把选中的全部实验写进一份诊断程序，从当前基线取工作目录，再放进只读的原始产物 | 本轮诊断（`r<轮>-diagnosis`） |
|
||||
| 诊断核验 | 一位核验员（`verifier-<本轮诊断>`），逐个实验交结果；每次核验都覆盖全部选中的实验 | 本轮诊断 |
|
||||
| 诊断修复 | 只在最近一次核验有实验不通过时，交原实验员，从上次提交的诊断程序接着改，只修不通过的实验；修复后再核验，次数用同一个 `maxRepairs` | 本轮诊断 |
|
||||
| 解释 | 每位研究者一个任务 | 无 |
|
||||
| 消融实现 | 每个选中的格一个实验员；第一次从被采纳的完整代码取工作目录，重做时从上一次交的这一格代码接着改；不同格同时实现 | 消融格 |
|
||||
| 消融核验 | 每个交了代码的格一个核验员；首次核验全部，之后只核验刚重做的格 | 消融格 |
|
||||
@@ -680,6 +713,18 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
|
||||
- 通过核验的候选用既有 `formalRun`，用途 `forward`；先登记占名额，确认启动才扣次，再独立判分记结果。**一批内一个接一个跑**，避免抢 CPU 改变按秒停下的程序成绩。没启动的处理同基线：本进程停下，下次启动起新编号。
|
||||
- 本批全部有结果或“不跑”事件后，用 rules 的 `adopt`（内部用 `adoptionLine`），只传有效实测分数、本批基线分数和任务的方向、ε、已知最好；写种类 `adopt` 的决定，即使 `adopted` 为 null 也写。materials 据此公开本轮正向运行。
|
||||
|
||||
**诊断**（来源：任务书 18 第 1.6 节，方法.md 4.3 诊 1–诊 4、6.12）：
|
||||
|
||||
- 做不做：余额（`runBalance`，只算本轮开始之前的运行，用 `Board.runStatesBefore`）不到 2 次时，诊 1–诊 4 都不做。余额不算本轮诊断运行自己扣的次数，所以诊断这一段的后几步不会因为扣次后余额变小被误算成"不诊断"。诊断关着时这几步按配置跳过，和此前一致。
|
||||
- 诊 2 判重合并：本轮已公开的诊断实验按作者编号、第几个排好，两两问一次 Jev（jev 的 `judgeSameExperiment`），全部问完才写决定（种类 `diagnosisDedup`，规则 `jevSameExperiment` 版本 1，输入是每一对的 Jev 判断）。判为相同的连通成组（同判重合并），每组一个实验，编号 `d1`、`d2`……，组内第一个（作者编号最小、再按第几个）的正文就是合并后的正文。
|
||||
- 诊 3 选实验：输入照 rules 的 `DiagnosisRuleInput` 拼（余额取本轮开始之前，种子不用，写 `null`），规则取步骤清单里 `selectDiagnosis` 那一步的，调 `runDiagnosisRule`；定了不诊断也写一条决定。
|
||||
- 诊 4 实现、核验、修复：对象都是本轮诊断（`diagnosisId`）。实验员从当前基线取工作目录，tasks 的 `placeBaselineArtifact` 把产出当前基线那次运行的原始产物只读地放进去；存版本时用 tasks 的 `diagnosisUnversionedNames`（多跳过这个目录）。提交时相对当前基线比较、切块，Jev 对照的是选中实验的原文和全名指标；收下的提交和代码版本、位置表在同一事务写入。核验员逐个实验交结果，用 submissions 的 `diagnosisOutcome` 判；核验、修复的材料差异都是当前基线到诊断程序。
|
||||
- 拿掉实验：修复次数用完后最近一次核验仍不通过的实验拿掉，结算里记"证据不足：核验不通过"和原因。诊断程序的代码不动（核验员核过的就是这一份），运行时只调通过的实验的编号，每个实验分到总时限 ÷ 跑的实验数；拿掉的实验的代码留在程序里不被调用。判"通过"以最近一次核验为准，修复前通过过、修复后又不通过的实验也拿掉。一个都不剩时用 `diagnosisNotRunEvent` 写事件，不登记运行、不扣次、不结算。
|
||||
- 诊断运行：用 `formalRun` 同一个登记、启动、扣次入口（formal-run.ts 的 `diagnosisFormalRun`，用途 `diagnosis`，对象本轮诊断），一次运行一次扣次；没启动的处理同正向。运行记录的 `judged` 写 null，逐个实验的判分在结算前由 `judgeDiagnosisRun` 从运行目录做。诊断运行编号 `r<轮>-diagnosis-<第几次>`。
|
||||
- 诊断结算：逐个实验判分，再照 `SettleDiagnosisInput` 调 `settleDiagnosis` 写一条诊断结算（运行编号、逐个实验的判分、拿掉的实验和原因、输入输出）。每个合并后的实验的结局：跑了且有效分数是有效；跑了没有效分数、或核验不通过拿掉的是证据不足；没选中的是没做。诊断结算写下、诊断运行公开之后才开 ② 提案。
|
||||
- 恢复：和其他运行走同一条恢复路径。登记了还没结果的诊断运行，按容器名问 Docker：没启动的写"没启动"退还名额，已启动的补写确认启动（扣次）、等它、写结果（`judged` 为 null）；只核对、不重跑。结算前被打断，恢复后从运行目录重新判分。
|
||||
- 诊 1 的材料要产出当前基线那次运行的产物（`metrics.json`、`solution.json`、日志），flow 读运行目录传给 materials。
|
||||
|
||||
**消融、收尾与研究结束**（来源：任务书 17 第 2.2、2.3 节，方法.md 4.3 ⑬–⑱、4.4、第七部分）：
|
||||
|
||||
- 采纳了而且被采纳改法有 2 个以上因子才走消融；否则 ⑬–⑰ 不写记录（从采纳决定和冻结协议算得出），直接到收尾。
|
||||
|
||||
Reference in New Issue
Block a user