diff --git a/docs/task-authoring.md b/docs/task-authoring.md index 0356d29e..29c5566d 100644 --- a/docs/task-authoring.md +++ b/docs/task-authoring.md @@ -64,7 +64,8 @@ tasks// - [机检] 根目录全部 `*.py`(至少 `check.py`)作为私有 `grader_files`;统一的 [verify.py](../rollout/bos_verify.py) 以 root 原样运行 `check.py`,check 启动的子进程降为 UID 65534,最后一行为 `PASS` 且退出 0 才判 PASS,失败子进程的 stderr 尾部只进私有 `grade.stderr`。根目录还有 `check.py` 以外的 `*.py`(工厂的 tests.py 会和候选在同一进程运行)时,导入器加私有 `isolation-blocked.txt`,评分恒为 UNVERIFIED,需按 §6 第 8 条重写判据、去掉标记并加 `cheat_read_grader` 后以新版本准入。 - [机检] 公开合同检查:隐藏判据从候选 Python 模块导入或以 `模块.名字`(含 `import … as`)访问的名字,必须出现在 prompt 或 template 中,否则拒绝导入。 - Bos 题声明的 python、rlenv 镜像 digest 在 36 上已不存在,统一换成本项目固定 runtime 后完整重新校准;Bos 历史准入与教师结果不沿用。 -- 暂不导入:`check.py` 递归收集工作区全部 `*.py` 的 rglob 型任务(本合同只冻结声明文件,照搬会把合法拆分判 FAIL),以及 ROS2 Jazzy 任务(等镜像)。 +- rglob 型任务(`check.py` 递归收集工作区全部 `*.py`):平台只冻结声明的 `candidate_files`,照搬会把合法拆分判 FAIL。用户 2026-10-26 要扩题量,改为导入后重写:判据只读取声明文件(gold 需要的非目标文件作为私有判据数据提供),README 写明"只交付并评分这些文件,新增文件不会被收集",记入 spec.md,`version` 加 1;判据同时按 §6 第 8 条改过隔离的,照该条加 `cheat_read_grader`。目标文件超过 16 个或 template 超过 64 个文件的仍不导入。 +- 暂不导入:ROS2 Jazzy 任务(等镜像)。 ### 2.2 路线 B:轨迹回放 diff --git a/docs/task-factory-brief.md b/docs/task-factory-brief.md index 20f2cccb..0db98e89 100644 --- a/docs/task-factory-brief.md +++ b/docs/task-factory-brief.md @@ -187,7 +187,7 @@ python3 -m rollout.report runs/<批次> --tasks tasks --output factory/<批次>/ - 0 PASS 的题先查题面漏项:S500_n3_152 v1 的隐藏测试调用了 README 未公开的 `process(request)`,两个模型都因此失败。 - 原生轨迹上限 64 MiB;长题 `--agent-timeout 3600`。 - 模型凭据目前仍在 JuiceFS 的 `.private/`;读取失败会使该次尝试记 INFRA_ERROR,补跑即可。把它移到本地私有目录需用户操作。 -- rglob 型题(判据递归收集全部 `*.py`)照搬会把合法拆分判 FAIL,必须等候选通配合同。 +- rglob 型题(判据递归收集全部 `*.py`)照搬会把合法拆分判 FAIL,按 task-authoring §2.1 改成只读声明文件、README 写明交付范围后导入(用户 2026-10-26 决定扩题量)。 - Qwen 断流(2026-10-21 查明):被切断的请求都是收到约 7.9 KB 初始事件后,上游 300 秒没有任何数据,随后在约 302 秒时连接关闭;而能完成的长请求可以持续 500 秒以上、返回数 MB 数据。ModelProxy 的空闲上限是 900 秒,所以这是 Qwen 网关一侧的 300 秒读空闲超时:上下文很长时,排队或处理输入的阶段会超过 300 秒。要从根本上解决,需要服务方调大这个超时。 ## 13. 汇报格式