docs: 完成任务书16验收并记录研究质量与限制

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。
2026-10-04 12:15:24 -04:00
parent de8e13b031
commit a7fdff8362
2 changed files with 8 additions and 4 deletions
@@ -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。