PolyLoop

Files

T

iomgaa ff59457482 fix(soak): 记分板的真空成立与停止原因覆盖，两处都会把「什么都没验」显示成绿

Codex 报了两条数据不足时真空成立的不变量，顺着同类找齐了七条：零步的「步号连续」与
「动作结果与步记录一致」、不足两步的「提示词字符数单调不减」、零意图的「意图都有归宿」、
零载荷的「步记录的内部不变量」、零记录的「不串台」、零行的「日志能被读回来」。同一类
缺陷改一半，剩下那一半照样会在某天把一次什么都没验的跑显示成绿。

各条的数据下限不一样，反直觉的三处写进了说明：「步记录的内部不变量」数的是打着标签的行
不是解出来的记录（违反配对的行本来就解不出记录，按记录数当下限会把它最该判的对象数漏）；
「动作结果与步记录一致」不要求那条步记录带动作结果；「不串台」两半各判各的，合成一个的话
一半的真空会被另一半的绿盖住。

「停止原因与轨迹自洽」原本只覆盖四个取值、另外六个直接放行——不是数据不足，是判据本来就
该覆盖而没覆盖，后果和真空成立一样。六个都补了规矩，llm_error 那条按库自己的判据写
（解析失败必定带说明，模型调用失败那一步压根没走到解释器，只看有没有动作结果分不开这两者）。
另加一条断言十个取值一个不漏，将来加了取值而这里没跟上会显式报「还没有规矩」。

「提示词字符数单调不减」的说明原本承诺「历史只追加」，实现只比较库自己记录的数——承诺了
它，读者看见绿就以为截断被排除了。改成只承诺它验得到的，真正的对账在故障注入那侧。

拿 193 次真实运行重跑：十一条仍然全过，而这次那 8 次解析失败连击、1 次模型调用失败、
1 次撞步数上限是被真规矩判过的。

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

2026-08-11 11:53:56 -04:00

__init__.py

feat(soak): AppWorld 场景适配器——代码围栏解释器与容器执行器

2026-08-11 08:16:31 -04:00

test_appworld_scenario.py

feat(soak): AppWorld 场景适配器——代码围栏解释器与容器执行器

2026-08-11 08:16:31 -04:00

test_faults.py

fix(soak): 按 Codex 对抗审查加固故障注入的判据

2026-08-11 11:53:00 -04:00

test_govdoc_scenario.py

fix(soak): 给 plan 与 execute 补上完成通路，它们原本必然跑满预算