amos 8b7616bfd8 Batch 22 (20261027-C-hwe-hard-22): add 63 calibrated HWE hard-design tasks
From the 101 lk/man/pth code-gen sources: 63 tasks (C11 36, C++17 27,
11 canonical families), 38 skipped for scope or duplication. Each task
has at least one independent contract-edge defect, boundary types
rotate, and public docs state trap clauses as plain contract prose.
Claude reviewed 63/63 USABLE against current digests. Difficulty is
unmeasured.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2026-10-27 16:14:57 +08:00

14 KiB
Raw Permalink Blame History

任务规格:concur-attribute-stack-domain

1. 身份与来源

字段 填写
task-id / 任务版本 concur-attribute-stack-domain / 1
作者 / 业务评审人 / 独立评审人 批次22单题Agent / root待独审 / root待独审
审核状态 CALIBRATED/UNMEASURED;正文root预审通过,最终门原件待root独审
原项目与冻结版本 本批HWE只读快照 factory/20261027-C-hwe-hard-22/hwe/arm-linux/code-gen/pth-attr-stacksize-query/
来源路线 C 种子或素材写题;原创用户态修复题,非历史现场故障回放
来源 ID hwe/pth-attr-stacksize-query
来源与授权 metadata.yaml标记visibility=public,source=posix-threads;材料默认pthread_attr正栈大小需求用作方向;用户授权本项目制题试跑。只读metadata/prompt/reference,未读checks/behavior.py,未执行来源脚本。
隐私处理 无真实用户内容,无端点或凭据
替身测试 把平台min/quanta/default变为公开可配置的软件值后,错误量化提交与默认资源判别仍复现;software
split 分组键 pth-attr-stacksize-query
来源组 / 根因族 HWE posix-threads / posix-concurrency
与已有任务的关系 root已作来源与ID初筛;本题是属性策略快照及默认资源域,不复制其他新题业务
验证范围 C11普通Linux进程中的策略校验、属性快照、生命周期、原始helper、控制台协议
未验证范围 真实pthread栈分配、栈溢出、板卡、特权、真实时序;未采样Agent,未测难度

实际问题说明:原创的线程栈属性准备控制台。公开smoke显示非对齐请求25000被原样保存,正确策略应向上量化为28672。另有独立配置错误:缺省默认资源与显式无效0共用数值哨兵,导致显式0被接受,而has_default=0附带非零bytes反而不被忽略。后者位于smoke外的合法调用组合。

2. 初态与环境

  • 初态资产:template有六份C/header工程文件、Makefile、README.md、docs/contract.md、smoke.txt;所有工程为本题原创。最终摘要由core.load_task记录,附件report.json保存计数与摘要。
  • 回放与补全:不适用,路线C。
  • 目标缺陷复现:make clean、make smoke、make clean实测退出均0。template第三JSON对象size=25000,gold与两个valid为28672;原stdout/stderr及SHA在本单题factory的make-evidence.json。不是仅静态阅读。
  • 公开资产:template全部文件与prompt.md。题面只写现象、复现和交付,不指根因函数/文件/类别。
  • 受保护资产:check.py、observer.c、verify.py与所有fixture,仅评分侧读取。observer只含原始调用与观察,不含预期或断言;oracle只在check.py。
  • 环境族 / 架构 / OS / 工具链:标准C/Python runtime,Linux用户态,C11,Python3标准库;不依赖本机pthread默认值。
  • 镜像:ccr-29eug8s3-pub.cnc.bj.baidubce.com/algo/bench-runtime@sha256:1519f8daa403998e5401eeb70b973e8aac8346e25a937033bc502dc5de1641a1;实际image ID以最终Docker回执为准。
  • 依赖冻结:仅cc、make、Python3及标准库;无下载、外部服务和硬件。
  • 资源和时限:评分容器512MiB/1CPU,单题60秒;每个编译/候选子进程12秒,全部过程远低于总期限。尺寸1TiB是纯数值域,不分配对应内存。
  • 外部服务 / 硬件要求:无。

两处独立缺陷:

  1. A:port_policy.c的sd_port_round按正确策略返回rounded,但stack_attr.c的sd_attr_set把bytes而非rounded写入;console.c只是症状报告者。跨两个文件的数据交接出错。only_fix_quantize修复A但保留B,仍FAIL。
  2. B:port_policy.c的sd_port_make按default_bytes==0选择fallback,忽略has_default。only_fix_default只修复B但保留A,仍FAIL。mask_symptom_default只在console层拦截显式0,直接raw helper观察仍拒绝它。

指定边界类型为“缺省资源与错误值必须严格区分”:公开合同第11行逐项区分has_default=0(忽略携带bytes,fallback为最小可量化正值)、has_default=1且0(EINVAL)、显式低于min/高于max/向上量化越界(EINVAL)、不可接受fallback(EINVAL),任何错误保持原对象,has_default本身也只接受0/1(第7行)。smoke仅使用缺省且bytes=0,不覆盖B。

3. 公开题面与接口

题面见prompt.md:报告控制台大小不一致,公开复现第三个对象25000与28672之差;要求行为符合docs文档全部条款,仅提交README列出的六文件。

公开构建:当前目录,argv ["make"];smoke argv ["make", "smoke"];成功退出0。冻结后评分用公开C11编译参数直接重建六文件。

公开运行:argv ["./stack-domain"];stdin字节行命令P/I/S/Q/C/R/D,完整语法和输出位于contract第35–49行。正常EOF退出0,I/O错误非零。stdout是JSON对象流,允许pretty、额外成员及JSON空白,结果字段须严格整数。stderr未设题外限制。

4. 判据检查项 ↔ 依据与合法解

以下行号均为最终template公开材料,受保护输入隐藏组合,不隐藏行为。

判据检查项 依据来源 输入/场景 可观察结果与允许误差 检查方法 公开/受保护 超时
C11六文件交付与跨TU README.md:5 标准main(void)及跨TU main(argc,argv) 编译/链接成功 两次独立编译,全部候选TU同等重命名main供observer链接 合同公开/执行受保护 12s/child
错误码和1TiB域 docs/contract.md:5 正常值、LIMIT、LIMIT+1、UINT64_MAX 0或22,无容差 独立Python整型oracle 同上 12s
构造参数与null out docs/contract.md:7 min/q/max零、非法次序、has_default=-1/2、null 22,原对象全span保持 raw p与memcpy快照 同上 12s
请求量化 docs/contract.md:9 min-1/min/min+1、非对齐、最大可整除值、量化越界 ceil(request/q)*q,非法22 Python整型除法,raw r与控制台S 同上 12s
缺省资源 docs/contract.md:11 has_default=0,附带0及UINT64_MAX bytes被忽略,fallback=ceil(min/q)*q raw p/g和状态机 同上 12s
显式错误默认值 docs/contract.md:11 has_default=1的0/低于min/越界 22,旧默认保持 raw p/g,console P后I 同上 12s
fallback不可接受 docs/contract.md:9、11 min=LIMIT、q=7、ceiling=LIMIT 22,不溢出,保留旧状态 raw双context/CLI 同上 12s
port getter返回与const docs/contract.md:13、17 round/default正常、inactive/null输出 输出正确;错误保留多初值;完整const span保持 raw g/r,多seed,memcmp两对象 同上 12s
原始对象错误保持 docs/contract.md:17 初始化前/有效后null与错误组合 每字节保持,另一context保持 raw p/i/s/a/c/t/d全span 同上 12s
初始化与策略快照 docs/contract.md:19 init、重复init、重构port后读旧attr default/1/0;旧策略不变 raw i/a,CLI多槽 同上 12s
显式设置与reset docs/contract.md:21 非对齐、相同size反复set、reset 接受尺寸,revision+1,flag1或0 raw s/t/a,独立状态机 同上 12s
attr_get全返回 docs/contract.md:23、17 16种null组合,inactive/live,多输出初值 原始rc、size/rev/flag;失败所有输出保持 raw a与完整const快照 同上 12s
深快照复制与自复制 docs/contract.md:25 copy到inactive/live、自复制、改源/目的 后续独立,自复制全span不变 raw c/s/t/a及双对象 同上 12s
销毁与重用 docs/contract.md:27 destroy、重复destroy、init复用 成功全零;重复22且保持 raw d的全span zero与后继API 同上 12s
数字helper完整span docs/contract.md:31 空/零/UINT64_MAX/溢出、全部256字节、内嵌NUL/非法字节、16384位前导零 严格ASCII;输入完整span保持;错误保留0和MAX-1 raw n带两侧哨兵,Python逐字节十进制oracle 同上 12s
数字helper null参数 docs/contract.md:31 null text/out/both,空span 22,结果和输入保持 raw n 同上 12s
控制台及直接sd_console docs/contract.md:35 空stdin、正常EOF、目录stdin、/dev/full输出 空输入stdout零字节,EOF0,I/O错误非零 service和observer console两入口子进程 同上 12s
完整行与词法 docs/contract.md:37 最长16384行、超长行后恢复、EOF残行、空行、HT/CR/VT/FF、16000前导零 合法接受,非法一次22且状态保持 独立字节分行状态机 同上 12s
全部命令与8槽 docs/contract.md:41–47 槽0..7、8非法、所有命令、复制/复用混合固定seed API结果对应目标槽;其余槽独立 180条随机确定命令加边界 同上 12s
JSON语义与错误后继续 docs/contract.md:49 pretty/extra、非法token/多token、API错误 所有结果严格int且语义等价,错误后继续 JSONDecoder对象流+type(value) is int 同上 12s
公开症状回归 prompt.md:1、template/README.md:3 smoke第三次size=28672与复制后读 量化与快照正确 实际make raw日志+私有状态机 公开/受保护 12s
  • 合法替代解:valid_bisection用二分寻找最小可接受倍数,属性先构造replacement再提交,并扩大port和attr实际存储布局;证明不固定当前字段偏移/sizeof。valid_pretty把标准argc/argv main定义在console.c,main.c只保留普通入口函数,输出pretty/extra JSON;公开make smoke也实际通过。
  • 不允许捷径:noop缺观察、cheat硬编码单JSON、mask_symptom_smoke只改报告、mask_symptom_default只拦控制台错误,分别由固定seed变体和直接helper测试抓住。
  • 判断范围:构建不等于通过,所有必需行为均通过才PASS。check期望仅由上述公开合同重算,不运行gold产生答案。
  • grader输出:verify.py逐字复制rollout/bos_verify.py,最终单JSON和标准状态/退出码;check最后PASS才通过。
  • 隔离复核:check仅在首child前读取候选和写全部scratch源码;随后只以subprocess运行编译器/候选、从bytes stdout解码JSON,stderr仅replace诊断,不再读写/遍历共享scratch。mkdtemp归平台外层统一回收,未自行chmod或清理。正式评分用UID65534;cheat_read_grader读到私有材料才执行完整正确实现,隔离门应FAIL。
  • 历史答案可见性:正式grader和gold不挂给Agent;未访问Salty或历史rollout。

5. 样例与校准

样例 文件 预期 原因
gold 六candidate PASS 两处修复
template 六candidate FAIL A+B
noop 六candidate FAIL main直接0无行为
cheat 六candidate FAIL 单条公开数值硬编码
cheat_read_grader 六candidate FAIL(Docker) 私有grader读取探针
only_fix_quantize 六candidate FAIL 仅A修复,B仍在
only_fix_default 六candidate FAIL 仅B修复,A仍在
mask_symptom_smoke 六candidate FAIL 只改25000报告,内部状态及其他请求仍错
mask_symptom_default 六candidate FAIL 控制台拦0但helper配置仍错
valid_bisection 六candidate PASS 不同量化算法、提交结构、存储布局
valid_pretty 六candidate PASS 跨TUmain、额外JSON成员、pretty

两门均沿用现成入口,每类5次、11类共55次;本地reader若因无隔离PASS是许可例外,原FAIL总回执保留;最终以同摘要Docker55次全部匹配且cleanup confirmed为准。回执路径/真实结果/摘要由factory report.json补录,不伪造或改写原件。

最终校准事实(2026-10-27):同摘要 8b8e1dee7ec6c29941ec5bbd999b0728df9dead153b2e09f2b6dc3536e78c97c,两门各11类×5=55次。可信本地原件 /home/ming01.wang/embedded-rollout/.tmp/wt-batch22/runs/20261027-C-hwe-hard-22/pth-attr-stacksize-query/local-final-c2be752d63904a629237f4fec246661c/calibration-ee1482108d9e44d0813f4f82b1e66eeb:原status=FAIL,cleanup=confirmed,50次匹配,cheat_read_grader的5次PASS为无隔离许可例外。Docker原件 /home/ming01.wang/embedded-rollout/.tmp/wt-batch22/runs/20261027-C-hwe-hard-22/pth-attr-stacksize-query/docker-final-c2be752d63904a629237f4fec246661c/calibration-1f4a402e1b51419bae2aac06861b2e25:PASS,55/55全部匹配,cleanup=confirmed;实际image ID sha256:1519f8daa403998e5401eeb70b973e8aac8346e25a937033bc502dc5de1641a1。无SIGINT,无infra故障。55个精确容器名全部inspect缺席,校准PID/PGID本地2687601、Docker2690645已记录且进程组均缺席;嵌套编译器/候选PID未单独记录,按平台per-trial cleanup事实报告。原receipt/events/stdout/stderr未改写,SHA清单与精确inspect事实见本单题factory。该段仅补真实校准事实,不改变任务摘要。

6. 真实试采与证据

未启动真实Agent、额外模型、孙Agent、模型训练或硬件验证。状态CALIBRATED/UNMEASURED仅在双门后使用;难度未测,不能宣称HARD已实测。保留所有校准原始receipt/events/stdout/stderr与make原件。无需外部服务或持久存储,本题未创建专属网络或镜像。

7. 评审与准入

  • 来源、完整初态、公开行为、独立oracle、全helper与合法替代结构已本题自审。
  • 最终同摘要本地与Docker各55次,正式55/55匹配;本地5次reader许可例外原FAIL回执保留。
  • root全文独立审阅完成。
  • 精确55容器名inspect缺席;两校准进程组缺席;平台每trial cleanup confirmed。

限制:uint64 revision溢出语义已实现,但没有通过2^64次API调用到达该状态;真实尺寸边界、8槽、双context及复用均执行验证。无真实线程/栈内存/硬件/Agent采样,不作难度准入。需用户事项:无。