feat(harness): gate_ladder.py — 信息阶梯 + BaselineCache (#6 算法保真)
This commit is contained in:
@@ -0,0 +1,335 @@
|
||||
"""CE-Gate 信息量阶梯与基线缓存。
|
||||
|
||||
阶梯（每题型一条）：gate 的出题顺序表。冷启动（FRESH）用种子基线对错
|
||||
两档粗排（错题高优先 2:1 交错 + 全错题 probe_quota 探针插尾）；
|
||||
epoch >=1 用非 gate run 观测做 gamma-EMA 更新 p_hat，按信息量 p_hat(1-p_hat) 降序、
|
||||
剔 p_hat 不在 [p_low, p_high]。防泄露铁律：gate 内 rollout 永不回流 p_hat
|
||||
（调用方以 run_id 含 "_gate_" 过滤观测源）。
|
||||
|
||||
BaselineCache：基线侧逐题对错缓存，键 = (task_type, skill_hash,
|
||||
prompts_version, qid) 内容寻址、无显式失效。JSON 持久化到 workspace，
|
||||
供 resume 后合法复用已冻结阶梯上的新鲜 draw。
|
||||
"""
|
||||
|
||||
from __future__ import annotations
|
||||
|
||||
import hashlib
|
||||
import json
|
||||
import os
|
||||
import random
|
||||
from dataclasses import dataclass
|
||||
from typing import TYPE_CHECKING
|
||||
|
||||
from loguru import logger
|
||||
|
||||
if TYPE_CHECKING:
|
||||
from pathlib import Path
|
||||
|
||||
from core.types import GeneratedQuestion
|
||||
|
||||
|
||||
def skill_hash(content: str) -> str:
|
||||
"""对 skill 正文取 sha1 摘要，作缓存键的内容维度。
|
||||
|
||||
参数:
|
||||
content: skill 文件全文（基线侧为解析后生效文件的正文）。
|
||||
|
||||
返回:
|
||||
sha1 十六进制摘要。
|
||||
"""
|
||||
return hashlib.sha1(content.encode("utf-8")).hexdigest()
|
||||
|
||||
|
||||
@dataclass
|
||||
class LadderEntry:
|
||||
"""阶梯单元：题目与其估计答对率。
|
||||
|
||||
字段:
|
||||
question_id: 题目唯一标识。
|
||||
p_hat: 估计答对率。冷启动为 Beta(1,1) 平滑的单次观测后验均值
|
||||
（错=1/3、对=2/3），此后经 gamma-EMA 更新。
|
||||
"""
|
||||
|
||||
question_id: str
|
||||
p_hat: float
|
||||
|
||||
|
||||
def build_cold_entries(
|
||||
questions: list[GeneratedQuestion],
|
||||
correctness: dict[str, bool],
|
||||
probe_quota: float,
|
||||
seed: int,
|
||||
) -> list[LadderEntry]:
|
||||
"""冷启动排序：错题高优先 2:1 交错 + 全错题 probe_quota 探针插尾。
|
||||
|
||||
参数:
|
||||
questions: 该题型的全部候选题（已排除 test 池）。
|
||||
correctness: question_id -> 种子基线是否答对（900 题全量对错）。
|
||||
probe_quota: 从错题中随机抽出插到梯尾的探针比例（防"解锁新能力"盲区）。
|
||||
seed: 洗牌种子，保证确定性重建。
|
||||
|
||||
返回:
|
||||
排序后的 LadderEntry 列表（p_hat 用 Beta(1,1) 平滑：错=1/3、对=2/3，
|
||||
与 warm 阶段 gamma-EMA / 信息量排序自然衔接）。
|
||||
|
||||
关键实现细节:
|
||||
错题、对题各自固定种子洗牌 -> 抽探针 -> 剩余按 错错对 2:1 交错
|
||||
（一方耗尽后顺排另一方）-> 探针追加尾部。
|
||||
"""
|
||||
rng = random.Random(seed)
|
||||
wrong = [q for q in questions if not correctness.get(q.question_id, False)]
|
||||
right = [q for q in questions if correctness.get(q.question_id, False)]
|
||||
rng.shuffle(wrong)
|
||||
rng.shuffle(right)
|
||||
|
||||
n_probe = int(len(wrong) * probe_quota)
|
||||
probes, wrong_main = wrong[:n_probe], wrong[n_probe:]
|
||||
|
||||
interleaved: list[GeneratedQuestion] = []
|
||||
wi, ri = 0, 0
|
||||
while wi < len(wrong_main) or ri < len(right):
|
||||
for _ in range(2):
|
||||
if wi < len(wrong_main):
|
||||
interleaved.append(wrong_main[wi])
|
||||
wi += 1
|
||||
if ri < len(right):
|
||||
interleaved.append(right[ri])
|
||||
ri += 1
|
||||
interleaved.extend(probes)
|
||||
|
||||
def _p0(q: GeneratedQuestion) -> float:
|
||||
return 2 / 3 if correctness.get(q.question_id, False) else 1 / 3
|
||||
|
||||
return [LadderEntry(q.question_id, _p0(q)) for q in interleaved]
|
||||
|
||||
|
||||
def order_ladder(entries: list[LadderEntry], p_low: float, p_high: float) -> list[LadderEntry]:
|
||||
"""warm 排序：剔 p_hat 不在 [p_low, p_high] 的零信息题，按信息量 p_hat(1-p_hat) 降序。
|
||||
|
||||
参数:
|
||||
entries: 待排序的阶梯单元。
|
||||
p_low / p_high: p_hat 保留区间。
|
||||
|
||||
返回:
|
||||
过滤并排序后的新列表（稳定排序，同信息量保持原相对序）。
|
||||
"""
|
||||
kept = [e for e in entries if p_low <= e.p_hat <= p_high]
|
||||
return sorted(kept, key=lambda e: e.p_hat * (1 - e.p_hat), reverse=True)
|
||||
|
||||
|
||||
@dataclass
|
||||
class GatePools:
|
||||
"""全部题型的阶梯容器，含构建种子与数据指纹（确定性重建凭据）。
|
||||
|
||||
字段:
|
||||
entries: task_type -> 冷启动序 LadderEntry 列表（warm 排序在取用时做，
|
||||
保持存储序稳定、避免每次更新重写全表顺序）。
|
||||
seed: 冷启动洗牌种子。
|
||||
fingerprint: 构建输入指纹（基线 run_id + 题集 hash 等），resume 校验用。
|
||||
"""
|
||||
|
||||
entries: dict[str, list[LadderEntry]]
|
||||
seed: int
|
||||
fingerprint: str
|
||||
|
||||
def ladder_for(
|
||||
self,
|
||||
task_type: str,
|
||||
exclude_qids: set[str],
|
||||
p_low: float,
|
||||
p_high: float,
|
||||
cold: bool,
|
||||
) -> list[str]:
|
||||
"""取该题型的 gate 出题序（qid 列表），排除本 step 进化案例包题。
|
||||
|
||||
参数:
|
||||
task_type: 目标题型。
|
||||
exclude_qids: 本 step 案例包（failure/success cases）的题目 id，
|
||||
防止在"刚学的那道题"上自测。
|
||||
p_low / p_high: warm 阶段的 p_hat 保留区间。
|
||||
cold: True 表示尚无 epoch 级观测（epoch 1），用冷启动存储序；
|
||||
False 走 order_ladder 信息量排序。
|
||||
|
||||
返回:
|
||||
排除后的有序 question_id 列表。
|
||||
|
||||
异常:
|
||||
ValueError: 该题型无阶梯（冷启动构建缺失），或该题型阶梯为空。
|
||||
"""
|
||||
if task_type not in self.entries:
|
||||
raise ValueError(f"task_type={task_type} 无阶梯，冷启动构建缺失该题型")
|
||||
pool = self.entries[task_type]
|
||||
if not pool:
|
||||
raise ValueError(f"task_type={task_type} 阶梯为空，无可出题目")
|
||||
ordered = pool if cold else order_ladder(pool, p_low, p_high)
|
||||
return [e.question_id for e in ordered if e.question_id not in exclude_qids]
|
||||
|
||||
def update_probs(self, observations: dict[str, bool], gamma: float) -> None:
|
||||
"""gamma-EMA 更新 p_hat：p_hat <- gamma * p_hat + (1-gamma) * obs。只更新有新观测的题。
|
||||
|
||||
参数:
|
||||
observations: question_id -> 本 epoch 非 gate run 的最新对错。
|
||||
调用方必须已按 run_id 过滤掉 gate 内 rollout（防泄露铁律）。
|
||||
gamma: EMA 衰减系数。
|
||||
"""
|
||||
for entries in self.entries.values():
|
||||
for e in entries:
|
||||
if e.question_id in observations:
|
||||
obs = 1.0 if observations[e.question_id] else 0.0
|
||||
e.p_hat = gamma * e.p_hat + (1 - gamma) * obs
|
||||
|
||||
def save(self, path: Path) -> None:
|
||||
"""原子写 gate_pools.json（.tmp 再 replace）。
|
||||
|
||||
参数:
|
||||
path: 目标 JSON 路径。
|
||||
"""
|
||||
payload = {
|
||||
"seed": self.seed,
|
||||
"fingerprint": self.fingerprint,
|
||||
"entries": {
|
||||
t: [{"question_id": e.question_id, "p_hat": e.p_hat} for e in es]
|
||||
for t, es in self.entries.items()
|
||||
},
|
||||
}
|
||||
tmp = path.with_suffix(".json.tmp")
|
||||
tmp.write_text(json.dumps(payload, ensure_ascii=False, indent=2), encoding="utf-8")
|
||||
os.replace(tmp, path)
|
||||
|
||||
@classmethod
|
||||
def load(cls, path: Path) -> GatePools:
|
||||
"""从 gate_pools.json 恢复。
|
||||
|
||||
参数:
|
||||
path: gate_pools.json 路径。
|
||||
|
||||
返回:
|
||||
复活的 GatePools。
|
||||
"""
|
||||
d = json.loads(path.read_text(encoding="utf-8"))
|
||||
return cls(
|
||||
entries={
|
||||
t: [LadderEntry(x["question_id"], x["p_hat"]) for x in es]
|
||||
for t, es in d["entries"].items()
|
||||
},
|
||||
seed=d["seed"],
|
||||
fingerprint=d["fingerprint"],
|
||||
)
|
||||
|
||||
|
||||
def build_or_load_gate_pools(
|
||||
workspace_dir: Path,
|
||||
questions: list[GeneratedQuestion],
|
||||
test_qids: set[str],
|
||||
baseline_correctness: dict[str, bool],
|
||||
task_types: list[str],
|
||||
probe_quota: float,
|
||||
seed: int,
|
||||
baseline_run_id: str,
|
||||
) -> GatePools:
|
||||
"""gate 阶梯获取入口：gate_pools.json 存在且指纹一致则加载，否则冷启动构建。
|
||||
|
||||
参数:
|
||||
workspace_dir: workspace 根目录（gate_pools.json 落其下）。
|
||||
questions: benchmark 全量题（900 题）。
|
||||
test_qids: held-out test 池题目 id（阶梯题源必须排除）。
|
||||
baseline_correctness: 种子基线 900 题全量对错（从基线 run 的 db 读）。
|
||||
task_types: 参与进化的题型列表。
|
||||
probe_quota: 冷启动探针比例。
|
||||
seed: 冷启动洗牌种子。
|
||||
baseline_run_id: 指纹成分。
|
||||
|
||||
返回:
|
||||
GatePools。
|
||||
|
||||
关键实现细节:
|
||||
指纹 = sha1(baseline_run_id|全 qid|seed|probe_quota|task_types|test_qids)。
|
||||
指纹不一致（题集/基线/参数变了）直接报错——FRESH 语义下不该发生，
|
||||
防御性拒绝而非静默重建。
|
||||
"""
|
||||
joined = ",".join(sorted(q.question_id for q in questions))
|
||||
fp_src = (
|
||||
f"{baseline_run_id}|{joined}|{seed}|{probe_quota}"
|
||||
f"|{','.join(sorted(task_types))}|{','.join(sorted(test_qids))}"
|
||||
)
|
||||
fingerprint = hashlib.sha1(fp_src.encode()).hexdigest()
|
||||
path = workspace_dir / "gate_pools.json"
|
||||
if path.exists():
|
||||
pools = GatePools.load(path)
|
||||
if pools.fingerprint != fingerprint:
|
||||
raise RuntimeError(
|
||||
f"gate_pools.json 指纹不一致（题集或基线变更），拒绝静默重建: {path}"
|
||||
)
|
||||
return pools
|
||||
|
||||
entries: dict[str, list[LadderEntry]] = {}
|
||||
for t in task_types:
|
||||
pool = [q for q in questions if q.task_type == t and q.question_id not in test_qids]
|
||||
if not pool:
|
||||
raise ValueError(f"task_type={t} 无非 test 题，无法建阶梯")
|
||||
entries[t] = build_cold_entries(pool, baseline_correctness, probe_quota, seed)
|
||||
logger.info("gate 阶梯[{}]: {} 题（冷启动）", t, len(entries[t]))
|
||||
pools = GatePools(entries=entries, seed=seed, fingerprint=fingerprint)
|
||||
pools.save(path)
|
||||
return pools
|
||||
|
||||
|
||||
class BaselineCache:
|
||||
"""基线侧逐题对错缓存（内容寻址，JSON 持久化）。
|
||||
|
||||
键 = (task_type, skill_hash, prompts_version, qid)：任何影响该题型
|
||||
有效 skill 的变化（含共享 default-strategy.md 被他类 accept 改写）
|
||||
都使 skill_hash 变化、缓存自然 miss；prompts 版本变化同理。
|
||||
"""
|
||||
|
||||
def __init__(self, path: Path) -> None:
|
||||
"""加载或初始化缓存文件。
|
||||
|
||||
参数:
|
||||
path: 缓存 JSON 路径（workspace/baseline_cache.json）。
|
||||
"""
|
||||
self._path = path
|
||||
self._store: dict[str, bool] = {}
|
||||
if path.exists():
|
||||
self._store = json.loads(path.read_text(encoding="utf-8"))
|
||||
|
||||
@staticmethod
|
||||
def _key(task_type: str, s_hash: str, prompts_version: str, qid: str) -> str:
|
||||
"""拼缓存键（四维内容寻址）。"""
|
||||
return f"{task_type}|{s_hash}|{prompts_version}|{qid}"
|
||||
|
||||
def get(self, task_type: str, s_hash: str, prompts_version: str, qid: str) -> bool | None:
|
||||
"""读缓存；未命中返回 None。
|
||||
|
||||
参数:
|
||||
task_type: 题型。
|
||||
s_hash: 基线侧生效 skill 文件的内容哈希。
|
||||
prompts_version: 当前 prompts 版本。
|
||||
qid: 题目 id。
|
||||
|
||||
返回:
|
||||
缓存的对错；未命中 None。
|
||||
"""
|
||||
return self._store.get(self._key(task_type, s_hash, prompts_version, qid))
|
||||
|
||||
def put(
|
||||
self, task_type: str, s_hash: str, prompts_version: str, qid: str, correct: bool
|
||||
) -> None:
|
||||
"""写缓存并落盘（原子写，gate 频度低、全量重写成本可忽略）。
|
||||
|
||||
参数:
|
||||
task_type / s_hash / prompts_version / qid: 缓存键四维。
|
||||
correct: 基线侧该题对错。
|
||||
|
||||
关键实现细节:
|
||||
先盘后存：新条目先原子落盘（tmp 写 + os.replace）成功后才更新
|
||||
内存，磁盘写失败时内存与磁盘一致（均无新条目），无分裂窗口。
|
||||
"""
|
||||
updated = {
|
||||
**self._store,
|
||||
self._key(task_type, s_hash, prompts_version, qid): correct,
|
||||
}
|
||||
tmp = self._path.with_suffix(".json.tmp")
|
||||
tmp.write_text(json.dumps(updated, ensure_ascii=False), encoding="utf-8")
|
||||
os.replace(tmp, self._path)
|
||||
self._store = updated
|
||||
Reference in New Issue
Block a user