iomgaa/InfoRSI
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
110 Commits 1 Branch 0 Tags
87c063be556095a9cec64c2aec6538b0747944a8
Commit Graph

70 Commits

Author SHA1 Message Date
iomgaa 44ccc97d7b docs: 方法加诊断（每轮提案前在当前基线上做诊断实验），消融默认关；写任务书 18 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-05 09:12:06 -04:00
iomgaa 7a78dcdeba docs: WORK_LOG 记信息与反向实验的文献精读结论 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-05 08:38:20 -04:00
iomgaa 9f041e761e docs: WORK_LOG 记 B、D 分析与 Jev 两两比较结果 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-05 08:23:05 -04:00
iomgaa 21b0884387 docs: 核对任务书 17，更正 C 停下原因与 B 零分格的解读，记格式重排待定 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-05 08:13:46 -04:00
iomgaa 6096257fe9 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） 
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。
 2026-10-05 08:09:27 -04:00
iomgaa 9f5ca4b730 docs: WORK_LOG Jev 离线检验改到任务书 17 跑完后 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-05 01:18:22 -04:00
iomgaa f0cdbcccd0 docs: WORK_LOG 记 GLM 内容审核误拦的原因 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-05 00:59:23 -04:00
iomgaa 81212b48ad docs: 新增任务书 17（flow 第 4 部分：消融到收尾，含这一段提示词）；收尾的下一步可换路线；第 4 部分不回放、3 份同时跑 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-04 12:27:05 -04:00
iomgaa 162c14072f docs: 核对任务书 16，WORK_LOG 记研究质量结论与下一步 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-04 12:15:58 -04:00
iomgaa a7fdff8362 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
iomgaa b7be524cdc eval: 准备正向采纳的真实运行恢复与质量评估 
新增单份串行启动入口、首个正向运行杀进程恢复证据、逐候选审阅导出与账目统计；参考只读副本分数对照。456项免费测试通过，尚未启动三份真实验收。同步结构说明与当前工作状态。
 2026-10-04 04:25:00 -04:00
iomgaa 9a4a0c81e9 docs: 新增任务书 16（flow 第 3 部分：实现到采纳，含实验员、核验员提示词） 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-04 02:10:05 -04:00
iomgaa 55df57d43d docs: WORK_LOG 记 Jev 比上限的检验办法 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-04 01:59:26 -04:00
iomgaa 1f7d416e9e docs: WORK_LOG 记任务书 15 核对结论 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-04 01:48:56 -04:00
iomgaa 856845cd71 eval: 完成任务书15路线对照与先想后读核查 2026-10-04 01:31:50 -04:00
iomgaa 18235cc9b1 docs: 核对任务书 14；新增任务书 15（提示词改后重测、按路线对照）；flow 第 3 部分顺延为任务书 16 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 21:52:27 -04:00
iomgaa 0b677cfc0c docs: 任务书 14 收尾，结构.md flow、materials 两节与 WORK_LOG 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 18:51:44 -04:00
iomgaa 9fab908da0 docs: 新增任务书 14（flow 第 2 部分：开轮到选批，含提示词诊断与整体质量盲评） 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 12:53:36 -04:00
iomgaa 4259134419 docs: 第零轮收尾，好方向的验收改到 flow 第 2 部分 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 12:42:52 -04:00
iomgaa 999ee8e8ef docs: WORK_LOG 记任务书 13 结果（第零轮重测 3 次仍未通过） 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 12:33:55 -04:00
iomgaa b516f8a612 prompts: 去掉填圆具体做法、例子换成无关领域、重写第零轮三份提示词；新增任务书 13（重测第零轮） 
改了：roles/researcher.md、roles/experimenter.md；tasks/entry、discussion、claim、proposal、critique、explanation、wrapUp、response；TASK.md 开头两行。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 11:31:54 -04:00
iomgaa 75d7cffd27 feat: flow 第 1 部分（骨架、研究开始、第零轮）与第零轮检验 
按任务书 12 实现 src/flow：从账本现算下一步的纯函数、主循环、恢复入口、派模型任务和跑正式运行两个共用动作、冻结配置、基线、第零轮三个研究者阶段和入口分配，走到第 1 轮时停下。materials 导出 finalEntries、加 researcherId 和 StudyRecord。

审阅采纳两条：研究编号本机已用过时冻结前报错；docker run 没启动时写完结果就停下，不在本进程里无限起新编号。

eval/ 新增第零轮检验：起研究命令行、回放假模型、检验用 Jev 客户端、六问质量评估、16-real-1 回放、杀进程与两份同时跑。tsc 与 depcruise 也检查 eval/，新增 eval 只经 index.ts 用正式代码的规则。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 10:58:52 -04:00
iomgaa 8491191a2b docs: 新增任务书 12（flow 第 1 部分：骨架与第零轮）；验收看研究质量、正式与检验代码分开 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 09:32:41 -04:00
iomgaa e273eac5e1 docs: 结构.md 记 flow 四部分拆分与验证办法 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 09:02:10 -04:00
iomgaa 45859902f1 docs: WORK_LOG 记 flow 四部分拆分与真 Jev 真 Docker 验证 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 08:59:16 -04:00
iomgaa 178d3f8d70 docs: WORK_LOG 记下 flow 的拆分做法 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 08:13:38 -04:00
iomgaa ddc973d500 docs: 核对任务书 11；materials 行数范围改为 1200–1900 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 08:11:23 -04:00
iomgaa 062d4ac827 docs: WORK_LOG 填任务书 11 提交号 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 06:40:40 -04:00
iomgaa 13a7e60355 feat: 任务书 11，指标名加候选前缀、消融重做接着改、判重说明补关键设定 
- 假设专用指标短名不能含"."（最长 64），冻结时由 materials 的 freezeProtocol 改为全名"候选编号.短名"；可引用清单用全名，已占用清单只剩任务指标和两个保留键。
- 消融格核验不通过重做时，工作目录是上一次交的这一格代码的副本，能读的版本加上它，完整代码照旧列出；消融实现提示词同步改。
- jev 判重材料说明补 keySettings 一句。
- 结构.md 第八部分 vocab、materials、jev，WORK_LOG 同步更新。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 06:40:40 -04:00
iomgaa f623fb78a8 docs: 核对任务书 10；新增任务书 11-收尾 
方法.md 4.3 ⑯：消融重做从上一次交的这一格代码接着改（用户选"接着改"）。任务书 11：指标名加候选前缀（参考项目真实账本撞名 5 次，监督者核实）、消融重做、判重说明补关键设定。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 06:21:45 -04:00
iomgaa 09c44031a0 feat: 任务书 10，submissions 模块与 materials 修改 
- 新增 src/submissions：先程序检查（14 条跨字段规则、不许改的文件、代码存不了、指标编号占用、提案数上限），全过再问 Jev；退回原因列出该写的全部编号；回应/统一拼冻结协议主体只在这一处；核验、消融核验通过没有。
- materials：挑刺单写"现在交什么"；退回按阶段、作者、种类、对象找（ledger 退回记录加 target，表结构版本 4）；核验材料去掉 Jev 预扫；信念本写合法化；删"本该关着"；消融核验不通过可重做，不跑的格从 cellNotRun 事件读原因。
- 用户 2026-10-03 定：冻结协议去掉 replies、replyBody，第二次预测的答复从已公开的回应或统一读；takenMetricIds 加两个保留键；解释一律交 cells；Jev 退回只列判"是"的几问、用英文问题名。
- jev 判重材料带 keySettings；读代码工具删 offset；三处旧说法改正。
- 文档：结构.md 第四、七、八部分，WORK_LOG。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 06:08:34 -04:00
iomgaa b26187dd79 docs: 新增任务书 10-submissions 
开头先改任务书 09 核对时发现的 materials 7 处；submissions 只依赖 jev 和 vocab，提交后才知道的东西由 flow 算好传入；回应拼冻结协议只在 submissions 一处。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 04:51:04 -04:00
iomgaa ccf8529935 docs: 核对任务书 09；方法.md 补核验修复用完时的处理 
- 方法.md 4.3 ⑨ ⑯、6.6：修复次数用完仍不通过，正向候选不跑；消融格可重做，用完记证据不足。用户原话："同意"。
- 结构.md：materials 行数范围改为 1200–1850。
- WORK_LOG：记下核对发现的 7 处要改的地方，并入任务书 10；删掉一条没有实测证据的推断。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 04:39:57 -04:00
iomgaa 446e26224e feat: 任务书 09，materials 模块与提示词 
- src/materials：每种提交一个材料函数，生成给模型看的材料、第一条消息、对号清单、能读的代码版本；查询只在材料内按编号找；读提示词并算原始字节哈希；信念本按方法.md 6.10 现算。
- 账本里只存成 Json 的冻结协议、位置表、决定、结算的形状和编号规则由 materials 定义并导出。
- vocab 加 Checklist（对号清单）。
- prompts/：参考项目 3 份角色提示词、16 份任务说明，只做必要改动。
- TASK.md 补一句 unversionedNames 不存进代码版本。
- 方法.md 4.3 ① 改为"研究者任务"放信念本；结构.md vocab 上限 1150、补 materials 对外内容。

用户 2026-10-03 开工前的四个决定（选的都是推荐项）："甲：上限改 1150，只放对号清单"；"甲：materials 定义并导出"；"不放，改方法.md ① 的措辞"；"按原提案挑"。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 04:08:46 -04:00
iomgaa 74d743eeb7 docs: 新增任务书 09-materials 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 02:25:08 -04:00
iomgaa db67965af0 docs: WORK_LOG 记下判重材料加关键设定 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 02:15:24 -04:00
iomgaa 0d4446cd79 docs: 结构.md 的 jev 一行写明暂不校准；WORK_LOG 记下任务书 08 核对结果 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 02:13:07 -04:00
iomgaa 0ac1e01613 feat: 任务书 08，jev 模块与账本记 Jev 判断 
src/jev 3 个文件 515 行：判重、查冻结条款、查代码改动三个函数，九问问法和阈值照参考项目，只改说法和字段名，阈值注明未在新项目材料上校准，等真实数据。
新增 npm run test:jev（真实 Jev 三处各问一次）。vocab 加 JevJudgment。
ledger 表结构版本 3：callEnded 四种结局对上 agents，墙钟时间用 Measured（恢复时补写出错、原因"进程中断"、测不到）；退回、提交记录都带 jev。
config 加必填的 models.jev。

用户原话："这次就给提交记录加一个和退回记录同样的 Jev 判断字段"；"墙钟时间改用 Measured，恢复时写出错加测不到（原因'进程中断'）"。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 02:11:20 -04:00
iomgaa 68e49fd01a docs: 任务书 08 改为这次不校准，Jev 判断全部存进账本，等真实数据再校准 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 01:58:59 -04:00
iomgaa aff2418c3c docs: 新增任务书 08-jev，方法.md 补齐 Jev 九问 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 01:35:47 -04:00
iomgaa c267efafa4 docs: WORK_LOG 记下任务书 07 核对结果 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 01:29:28 -04:00
iomgaa 96abc6f33d docs: agents 预期行数改为 600–700；ledger 墙钟时间字段并入下一份任务书 
用户原话："问题 1 按 (a)，但并入下一份任务书做；问题 2 按 (a)，改成600–700"

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 01:27:29 -04:00
iomgaa 3600b5c409 feat: 任务书 07，agents 模块与真实模型测试 
src/agents 4 个文件 681 行：runSession 按角色开 Pi 子会话、发工具、核对实际加载内容，
提交参数非法 JSON、必填字段交 null、Pi 形状校验不通过都经提交回调记退回。
Pi 依赖固定 0.85.1；新增 npm run test:pi（glm-5.3 真实会话）。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 01:03:19 -04:00
iomgaa a876f0fe9d docs: 新增任务书 07-agents 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 00:17:54 -04:00
iomgaa 9f9ff50555 docs: 实验员会话不测 CPU，模型调用记墙钟时间 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-03 00:16:12 -04:00
iomgaa 2925d709a3 docs: 没有真实证据的可能情况不写进 WORK_LOG；记下任务书 06 核对结果 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-02 23:54:48 -04:00
iomgaa 6850c0a1d4 feat: 任务书 06，workspace 模块与 task.json 的"不存"清单 
workspace 用一个裸仓库存代码版本，版本号是目录树编号，不造提交，每个版本挂 refs/versions/ 引用防清理。
存版本自己遍历目录、hash-object --no-filters 存，不用 git add；符号链接等特殊文件交回"存不了"。
取出用 ls-tree 加 cat-file 原样写出：实测 git archive 会按树里的 .gitattributes 丢文件、改换行符。
git 子进程不读系统和用户的配置，另关掉系统和用户的 attributes 文件：实测只关配置时 ~/.config/git/attributes 仍会被读。
比较交回文件级改动、新旧两边行号范围的块，以及带上下文的 diff 原文。
tasks：task.json 加必填的 unversionedNames，protectedFiles 删掉 solution.json。
全新上下文审阅一轮，采纳一条：注明块可以为空（空文件增删、只改可执行位）。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-02 23:43:01 -04:00
iomgaa a1a2feb135 docs: 新增任务书 06-workspace，结构.md 写明 git 的用法与行数 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-02 23:25:41 -04:00
iomgaa 6ea595f916 docs: WORK_LOG 记下任务书 05 核对结果，删掉没有真实证据的假想情况 
Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-02 22:05:24 -04:00
iomgaa cf6bc4c844 feat: 任务书 05，runner 与 tasks 两个模块 
runner 用 Docker 跑一条命令并交回结局和资源用量；tasks 读 task.json、准备运行目录、给出正式运行/校验器/轻量检查的运行定义，并从原始产物独立判分。任务目录从参考项目搬到 tasks/circle_packing/，新增 task.json；vocab 的 VERDICTS 删掉"判不了"，ProcessResult 的 cancelled 改为"容器从外面被杀了"。

全新上下文审阅后的两处修复：计量 shell 以容器内 root 运行，命令经 setpriv 降权，结果写在容器自己的文件层、结束后 docker cp 取出，并加 no-new-privileges，候选无法伪造计量结果把超时记成正常退出；harness 开跑前删掉旧的 solution.json、metrics.json，旧产物不会被当成本次的值。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
 2026-10-02 13:55:47 -04:00