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

docs: WORK_LOG 记任务书 18 核对（代码与提示词完成，真实运行因 Jev 额度停在中途）

Browse Source 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This commit is contained in:
iomgaa
2026-10-06 03:30:01 -04:00
parent 679ad75073
commit f88167173a
1 changed files with 1 additions and 0 deletions
Download Patch File Download Diff File Expand all files Collapse all files
WORK_LOG.md
+1
View File
@@ -38,6 +38,7 @@
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）。 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）。
监督者核对（2026-10-05）：check、test 477 条重跑通过；B、D 账本运行登记/启动/结果各 13 条，采纳序列与报告一致，B 第 3 轮 2.63598308469 等于已知最好；每轮选中的候选都有解封（D 第 5 轮余额只剩 1、只选 1 个）；末轮修复 `3f7de96` 逻辑对（已开始的轮次照常走完，余额为 0 只挡新一轮）；提示词改动窄、有诊断依据，研究者角色提示词没动。更正报告一处说法：B 第 1 轮关多起点那一格"合法、0 分"，是单起点从基线三环的近重合圆心出发，联合求解假成功（违反量 1）后固定圆心配半径得 0，测到的是"单起点碰上坏起点"，不是"多起点撑 157%"；研究者收尾自己读对了（指出退化起点，并说明"低于基线就退基线"是因子不是保障）。格式：执行者用的 Pi 带 pi-lens，自动重排了它碰过的文件（`fdda4f0`、`2ca6da1`；flow 约 450 行、vocab 超上限 4 行都来自重排），用户 2026-10-05 同意撤掉，已撤（`87c063b`），flow 回到 1673 行、vocab 1131 行。 监督者核对（2026-10-05）：check、test 477 条重跑通过；B、D 账本运行登记/启动/结果各 13 条，采纳序列与报告一致，B 第 3 轮 2.63598308469 等于已知最好；每轮选中的候选都有解封（D 第 5 轮余额只剩 1、只选 1 个）；末轮修复 `3f7de96` 逻辑对（已开始的轮次照常走完，余额为 0 只挡新一轮）；提示词改动窄、有诊断依据，研究者角色提示词没动。更正报告一处说法：B 第 1 轮关多起点那一格"合法、0 分"，是单起点从基线三环的近重合圆心出发，联合求解假成功（违反量 1）后固定圆心配半径得 0，测到的是"单起点碰上坏起点"，不是"多起点撑 157%"；研究者收尾自己读对了（指出退化起点，并说明"低于基线就退基线"是因子不是保障）。格式：执行者用的 Pi 带 pi-lens，自动重排了它碰过的文件（`fdda4f0`、`2ca6da1`；flow 约 450 行、vocab 超上限 4 行都来自重排），用户 2026-10-05 同意撤掉，已撤（`87c063b`），flow 回到 1673 行、vocab 1131 行。
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`。 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`。
- 任务书 18（诊断，代码与提示词完成，真实运行没跑完）：代码 `852600d`，提示词 `b02cd23`，检验 `c8d89d8`、`d4b49af`、`679ad75`。flow 2065、rules 2217、materials 2249（上限 2250）、vocab 1298（上限 1300）。监督者核对（2026-10-06）：check 通过、test 550 条全过；拿任务书 17 的 B、D 账本重算 12 条选格与押的因子决定，与原记录逐位相同；4 份新研究的 11 条选诊断实验决定重算逐位相同；基线、正向运行定义与任务书 17 相同。真实运行 4 份（a、b、d 可续跑，c 因 Jev 冻结检查连续 7 次退回研究者回应而停下），因 Jev 额度用完（HTTP 402）全部停在中途：a 9 次、b 10 次、c 7 次、d 2 次运行，扣次都等于确认启动。模型服务 503 让每份续跑 24–28 次，每轮 2.5–3 小时。结果：a 第 2 轮诊断实验"在当前答案上做圆心+半径联合精修"实测 +0.077（三人都押几乎不涨，合并九成 +0.027），三条提案全沿它，第 2 轮采纳 2.635962，第 3 轮测到 2.635983 但涨幅低于采纳线没采纳；b 第 1 轮提案就是联合优化（2.631286），第 2 轮诊断排除"多加随机起点""小步抛光"后采纳 2.635983；c 第 3 轮同一类联合精修实验三人分歧最小（0.0002），被挤出 4 个名额，研究卡在 2.5414；d 第 1 轮诊断"对偶引导挪圆心"实测 2.5539（高于所有人的九成），提案全部跟进，正向还没跑。8 次诊断选中的实验与"按三人中位数分歧排前 4"重合 3–4 个；31 个有效实验落在合并范围外 8 个（高于九成 2、低于一成 6）。诊断解释上限沿用 M=1，诊断提交因"解释超过 1 条"等超限被退回 58 次；同一轮 6 个实验多有重复但 9/12 轮判重没合并。杀进程那次（b 第 2 轮诊断运行）同一容器、只扣一次、结果与结算写入，第三条"走到导出还没写"因没跑完未验证。
## 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）