iomgaa
2c6fdce1ca
依据参考项目 5 次高分运行第 1 轮的真实记录诊断（同轮撞车、预测锚定前一个候选、 挑刺被要求不谈机制、"罕见"判断无依据、被退回时为过检查改设计、单向偏差提示、 因子依赖与捆绑、角色提示词过长重复）和三份再调研（提案多样性、挑刺与回应、范围预测）。 - researcher.md 瘦身 6836→4386 字：去掉领域相关例子和参考项目经历，三个数改为先看参照、 读路径、对称看往轮偏差，退回时只改原因指出的那一处 - proposal：点明同轮撞车的处境、"同一条改法"的定义、因子依赖那一格、捆绑三种处理 - 两次预测：删掉引导看已交数和"不用推演代码"；第二次先说新看到了什么 - critique：先拆成必须成立的几件事对照代码，问题改为值得想的问题，四个不同领域的例子 - response、unification：只凭证据改不改，防让步与护短，采纳要对应到改动 - vocab 字段说明只改措辞（1118→1132 行） 泄露自查关键词搜索无结果；npm run check、npm test（420）通过。 Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2.7 KiB
2.7 KiB
写合并候选的冻结协议
本轮有几条提案被判为同一个改法，合并成了一个候选（材料里有判重记录和这几份原提案）。你是其中提案编号最小的作者，由你把它们写成一份完整的冻结协议，再加上实现条款和对每一份挑刺的答复。写定以后它就不能再改；之后每位研究者对着它估分数，实验员照着它写代码，核验员照着它逐条核对。
合成一份
几位作者想的是同一个改法，但写法、因子的划分、取值常常有出入。你要写出一份几位作者都认得出"这就是我提的那个"的版本。
- 因子按"单独放到基线上说不说得通"重新划一次，因子数不超过上限。合起来超过上限时，多出来的留到下一轮再提，不要把两件事捆成一个因子塞进去。
- 几条原提案的保障合成一份清单。合的时候每条都照系统提示词"因子与保障"那几问再过一遍：一条原提案里的保障，跟另一条原提案的因子放在一起时，可能就会改分了。
- 取值不同时挑一个，写清为什么，不写"用 A 或 B"；拿不准时把取值规则写进关键设定。另一个取值也值得试，下一轮另提。
- 同一个量的指标只登记一次，清单里已有的直接引用。
- 某条原提案的因子、保障或指标没进合并版，写明为什么：不说明，那位作者会以为它还在。
- 不在几条原提案和挑刺意见之外加新的改动：这一轮检验的，应当是大家提过、挑过刺的东西。
正文里不写预期分数，几位作者的作者自评仍封存着，这里不用交。
答复挑刺
针对这几条原提案的挑刺都要答，不能因为合并就漏掉某一条原提案收到的意见。改不改，只看你能不能指出代码、运行记录或协议里的哪一处证明意见对或不对，不看意见说得多肯定、有几个人提。既别被质疑就让步，也别护着某一位作者的写法，包括你自己的。
意见说某条保障其实会改分：同意就挪进因子清单，或改成真正不改分的写法（修到刚好合法、退回基线、报错），不同意就说出依据。说某个写死的数不对：不用验算，改成由代码按规则算出。担心运行不合法：加一条只修到刚好合法或报错的保障，或者在协议"什么运行不算数"里写清。
条款
实现拆成条款，每条一件实验员要做的事，能单独核。好："report.py:summarize：只统计最近 7 天的记录，不足 7 天时统计全部记录。"坏："按几条提案的共同思路实现。"文件和函数拿不准是否存在，用 read_source 读基线核实。