From a7fdff836217d2c56170162221b844ded2c02e56 Mon Sep 17 00:00:00 2001 From: iomgaa Date: Sun, 4 Oct 2026 12:15:24 -0400 Subject: [PATCH] =?UTF-8?q?docs:=20=E5=AE=8C=E6=88=90=E4=BB=BB=E5=8A=A1?= =?UTF-8?q?=E4=B9=A616=E9=AA=8C=E6=94=B6=E5=B9=B6=E8=AE=B0=E5=BD=95?= =?UTF-8?q?=E7=A0=94=E7=A9=B6=E8=B4=A8=E9=87=8F=E4=B8=8E=E9=99=90=E5=88=B6?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 三份真实研究串行完成采纳，B中断恢复原容器且只扣一次；458项免费测试与check通过。保存六候选逐项审阅、材料复核、预测实测和历史路线对照。明确核验漏判、协议歧义、A候选辅助LP求解及C材料复核盲态限制，不按结果修改提示词或重跑。最终交付独立核对无实质漏项。 --- WORK_LOG.md | 9 +++++---- docs/结构.md | 3 +++ 2 files changed, 8 insertions(+), 4 deletions(-) diff --git a/WORK_LOG.md b/WORK_LOG.md index b25b02a..d6b3d9a 100644 --- a/WORK_LOG.md +++ b/WORK_LOG.md @@ -28,6 +28,10 @@ - 任务书 15（冲分与先想后看重测，已完成独立复核）：三次已有新运行 `/home/iomgaa/inforsi-eval/2026-10-04-r1-v2-{a2,b2,c2}` 均在第 1 轮选批后停下，账本最终原因“实现还没写（任务书 16）”；配置除编号外相同。报告与 A–J 九行表、新32条四概率、45调用思考核查、全部名称/分配/判重/选批在 `/home/iomgaa/inforsi-eval/2026-10-04-route-compare/report.txt`（对应 txt/json 附表同目录）。六份对照重新导出逐字节一致，九份原阅读未改，W/T 漏读分配和 V 的起点误读另附更正。按出发问题计，闭门首入口从代码起步旧18/18、新2/9；先列多种从零解法旧入口0/18、旧提案1/9，新入口3/9、新提案0/9；Jev reach>0.5 旧18/57、新25/32，只是文字判断，不是成绩。新三次均有完整搜索提案且至少一条入选，尚无候选实跑。修正思考导出把目录当源码的截断错误，加回归；F按等权混合分布分位数、18候选重算一致。`eval/route/` 387行；check通过、test 438通过，完整 `check.log/test.log`；`lsp.log` 为tsserver语法/语义诊断零错误、既有未用类型建议1条（非独立LSP客户端）。偏离如实保留：旧a/b收到SIGINT，触发源未查明；旧c最终停止原因未查明；旧编号撞镜像后换a2/b2/c2，编号派生种子随之改变；新运行时间重叠。失败材料在 `_aborted-2026-10-04/`，本次只补分析，没重跑研究或付费Jev。监督者核对（2026-10-04）：check、test 438 条重跑通过；对照组 Jev"能到最好"重问 18/57，与监督者 10-03 那次 18/57 相同。按内容看，新组闭门第一个入口仍是"固定圆心半径是 LP"的有 5/9（对照 18/18），变的主要是出发点从"读代码函数"换成"看题目的数学结构"；"读代码前先列几种从零解法"只做到 3/9（入口）和 0/9（提案），所以变化多半来自"冲分"那一条，两处改动同时上，分不开。第 1 轮：3 次都提出了整题联合优化的完整路线，2 次入选（对照 1/3）；只换半径、只扫结构族的单独候选没有了。c2 那次联合优化候选没被选：三人都按"本研究零实测、地板只有构造分 1.95"压低它的中位数（2.45–2.50），而 LP 路线有手算的 2.5414 地板，押注阶段仍在"求确定"。 +- 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。 + 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。 + ## 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。 @@ -85,11 +89,8 @@ - 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。 - 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：没采纳时也写一条采纳决定（adopted 为 null），本轮正向运行靠它公开；修复任务要在核验阶段关闭后再发。 - 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：修复的差异块按本批基线算（任务书 10 第二部分第 2 步），切好交给 submissions。 - 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：问 Jev 查代码改动时，冻结协议里引用的指标要换成原登记的定义（materials 的实验员材料里已有这一步，写 flow 时把它导出共用，不另写一份）。 - 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） @@ -104,4 +105,4 @@ ## 下一步 -任务书 16 正在执行：第二块代码已完成独立审阅；第三块的 `eval/forward` 运行、导出、统计入口及结构文档已备好，尚未启动这三份真实研究。下一步由父会话逐份启动并监控，其中一份首个正向运行中杀控制进程、恢复同份；完成后导出逐候选审阅包、五项质量表和沿用任务书 15 的路线对照。真实验收未完成，不记入“已完成”。 +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。 diff --git a/docs/结构.md b/docs/结构.md index 1105996..8a51695 100644 --- a/docs/结构.md +++ b/docs/结构.md @@ -690,5 +690,8 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录 | `npm run eval:forward:run -- resume <研究编号> <原输出目录>` * | 查明服务错误后手动续跑同份，追加进程/观察记录；也可用 `eval:study -- --resume --dir <输出目录>/study` | | `npm run eval:forward:export -- <研究目录> <全新绝对审阅目录>` | 候选协议全文、引用指标定义、基线/最终/各次代码、位置表及 concerns、每次核验/修复、退回与调用材料、会话位置 | | `npm run eval:forward:stats -- <全新绝对统计目录> <参考副本根目录> <检验目录>...` | 五项表中的可计算字段：预测与实测、参考首轮成绩、核验/修复次数、账目、轻量检查、杀进程三项检查；不自动作质量判断 | +| `node eval/forward/acceptance.ts <统计输出目录>` | 在三份研究统计后单列总体程序验收：须为三份不同研究、各自走完并通过账目检查、至少一份杀进程恢复三项成立、启动区间完整且互不重叠；写 `acceptance.json`，不通过时退出码非零，不替代质量审阅 | + +总体程序验收入口的来源：任务书 16 第 3.1、3.3、五部分；检验缺陷修复 `de8e13b` 把逐份统计与三份总体验收分开，避免单份通过冒充总体通过。恢复证据同时读取 `container-events.jsonl` 和 `container-events-window.json`，核对杀前到结果落账的容器生命周期；仅凭恢复前快照不能证明恢复后没有重跑。 三份研究须逐个启动，上一份结束并核查完再起下一份，同机不与别的研究并跑；进程起止见 `launches.jsonl`，机器观察见 `machine.jsonl`，杀进程前后见 `container-*.json`，扣次与后续结果见统计的 `kill`。快照只是观察证据，不声称追踪任意进程。结果放仓库外，不提交。独立审阅按候选分两步：先评实现忠实度，再给历史核验及其当时代码评误判和修复范围。路线分类、完整路线的实测减合并 q5、A–J 表由阅读后填写；复用 `eval/route/` 的导出、条目、思考、分位数核查及 Jev 四问，不另造问卷或判别器。参考项目五份账本用已有只读副本，保留无效数值和重复尝试，并注明参考提示词含题目做法。