amos 2f32624d3b Batch 18 (20261026-C-hwe-codegen-18): add 100 calibrated HWE code-gen tasks; pause production for rollout
100 tasks from the HWE arm-linux code-gen pool (outside the lk/man/pth
range given to batch 22), each with at least one independent
contract-edge defect and plain public docs. Claude reviewed 100/100
USABLE against current digests; no ID or source overlap with main or
batch 22. Difficulty is unmeasured.

progress.md records the wrap-up: all Codex sessions and Qwen schedulers
stopped for the user's rollout, Qwen results so far (57 HARD of 373),
and what is left on each batch branch.

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
2026-10-27 17:52:13 +08:00

9.3 KiB
Raw Permalink Blame History

任务规格:concur-ordered-workqueue

身份与来源

  • ID/version: concur-ordered-workqueue / 1;family: posix-concurrency;language: C++17。
  • source 精确为 hwe/lk-workqueue-dedicated;路线 C,HWE 素材原创改写,software-only,难度 UNMEASURED。
  • 素材:本批本地副本 factory/20261026-C-hwe-codegen-18/hwe/arm-linux/code-gen/lk-workqueue-dedicated/{metadata.yaml,prompt.md,reference/lk_workqueue_dedicated.c}。只读方向与参考;未执行原始脚本或判据。用户本批授权制作;无真实用户隐私、密钥或外部素材。
  • 素材方向是专用 max_active=1 队列、逐作业生命周期与 destroy_workqueue 排空。重新编写普通 Linux 用户态 C++17 模型,没有移植内核文件或旧平台。
  • split/source group: lk-workqueue-dedicated。核心问题是专属有序队列,与完成量广播或中断等待不相同。
  • 本题不声称来自真实现场。题面采用模拟服务的现象记录。未测 Qwen、真实 Agent、硬件、内核、电气、真实时间或线程竞态;没有训练或权重更新。
  • 审核状态:FROZEN,等待根独立只读审阅。真实 Agent 难度仍 UNMEASURED;双门不是实际模型解题轨迹。

初态、缺陷与环境

公开初态为 template/engine.hpp、engine.cpp、只观察 API 的 runner.cpp、README.md、docs/contract.md 与 repro.txt。候选仅两个 engine 文件。独立判据为 check.py,verify.py 与 rollout/bos_verify.py 逐字相同,未增加 isolation-blocked.txt。所有接口、界限、错误优先级、原子性、顺序、重复操作与 stdout 格式均公开。

两处独立缺陷:

  1. start_next 从 ready 队尾取作业,导致同一专属队列按逆接受顺序执行。公开 repro 的三个单位作业即可观察。
  2. destroy 将所有未完成作业转为 Cancelled 并清空 ready/current,违反排空合同。仅在未完成作业的其他公开合法场景暴露。公开 repro 没有 destroy,故修好第一处后,第二处不会又被同一 repro 观察到。两处单修均仍须判 FAIL。

C++17 标准库、Python3 标准库、g++,离线,无板卡、内核头文件、网络或额外依赖。评分总期限 120 秒,包装器内部 check 期限 100 秒;每次编译 35 秒,每个子进程运行 8 秒,防止挂死。镜像固定为 ccr-29eug8s3-pub.cnc.bj.baidubce.com/algo/bench-runtime@sha256:1519f8daa403998e5401eeb70b973e8aac8346e25a937033bc502dc5de1641a1,实际 image ID 写在正式回执,不以 tag 替代身份。评分按平台 512MiB/1CPU;无真实时钟依赖。

初态候选有效代码 502 行:engine.cpp=382,engine.hpp=120,按非空非注释行计(包含正常语法、声明与括号行),不跨 fixtures 重复计数。工程独有代码为上述业务 502 行,加原始观察器 87 行,共 589 行。未把 Python 判据、fixtures、文档、测试输入、重复文件或空白注释计入业务源码。接口结构与队列状态实现均为本题原创,未复制其他题业务。

公开入口与判据

构建 argv:["g++","-std=c++17","-O2","-Wall","-Wextra","engine.cpp","runner.cpp","-o","queue-demo"]。运行 argv ["./queue-demo"];stdin 每行一个命令,详见 docs。公开 repro 见 README;最终只评分 engine.hpp/engine.cpp。API 契约及协议表在公开 docs 内,公开头文件给出完整签名。

check.py 内的 Python 独立模型生成期望,不运行 gold 产生答案。固定 seed=33177019,14 个全新 Engine 进程,5550 次观察,包含 7 组长随机交错、多队列隔离、容量 1/64、保留记录 256、记录释放重用、最大工作量、分页与错误恢复。数值逐 token 检查完整消耗、signed64 overflow/underflow 与精确 arity;观察器没有用例、期望或断言,仅解析输入、调用 API、打印原始观察。候选只在编译/运行子进程里执行。

check 在首个编译子进程前完成候选读取、期望生成、scratch 文件写入。之后只使用已保存路径字符串调用子进程并比较内存里的 stdout,不再读取、写入、chmod/chown、遍历或删除 scratch。scratch 由 wrapper 建在其专属根下,wrapper 管生命周期;没有改变 wrapper 交给 nobody 的目录权限或归属。正式 Docker 中,包装器验证 UID65534 无法读取 /grader/verify.py,所有候选/编译器子进程降权、清空附加组;编译与运行用 argv,无 shell。

判据检查项 ↔ 公开依据

以下行号均为冻结版本 template/docs/contract.md 的真实行;每项输入组合受保护,规则公开。每个观察比较完整返回码、标量、状态列表或事件序列;运行子进程限 8 秒,编译限 35 秒。

检查类别 依据 覆盖与观察
初始空状态、多 Engine 重置 docs/contract.md:7、41 每条独立 trace 新建 Engine,初始队列不存在与日志为空
数值范围与错误字段 docs/contract.md:7、9、11 ID/容量/单位/值/预算/游标/limit 边界与枚举、零默认字段
创建与重复创建 docs/contract.md:15 缺队列、首次创建、闭合后仍 Exists、无创建事件
提交错误优先级与原子性 docs/contract.md:9、17 invalid→missing→closed→duplicate→full;失败后票号/日志不变
活跃容量、记录上限 docs/contract.md:17 容量1/64,Running 占容量,终态不占容量,256记录需释放
严格 FIFO docs/contract.md:23、25 非单调 job ID、不同 units/value,最小接受票号先执行
部分推进与续跑 docs/contract.md:21、23 预算0/1/相等/不足/过量,Running 优先,预算边界不抢先 Start
队列隔离 docs/contract.md:17、21 八队列相同 job ID、只推进目标队列
完成计数和有符号求和 docs/contract.md:25、39 完成恰加一次、释放后累加值保持、负值/正负最大值
取消与重复取消 docs/contract.md:29 Waiting取消、Running Busy、terminal BadState,后续FIFO跳过
释放、重复释放与重用 docs/contract.md:17、31 非终态Busy、终态删除、MissingJob、ID新票号
destroy排空与幂等 docs/contract.md:33 半运行+多个等待、取消混合、总剩余超过1000000、重复destroy无事件
关闭后操作与快照 docs/contract.md:33、37、39 submit/work Closed,查询/释放可用,按ticket有序,不推进工作
全部状态统计 docs/contract.md:39 当前 Waiting/Running/retained 与累计 accepted/started/completed/cancelled/released/ticks/value
生命周期事件与分页 docs/contract.md:41 全局serial、跨队列、字段时点、close零job、0/256limit、超末游标、释放不删旧事件
原始协议及恢复 docs/contract.md:45、49、50、51、52、53、54、55 精确arity、逐token signed64、overflow/underflow、未知/空命令与下一行恢复

样例

所有非template目录只含两个 candidate_files,共9类,均五次重置:

fixture 预期 机制
gold PASS map/unique_ptr 记录所有权 + deque FIFO,完整状态机
template FAIL 两处缺陷同时存在
noop FAIL work不做推进
cheat FAIL 每次无视预算直接完成作业,单位公开例可蒙混
cheat_read_grader FAIL 仅能读取私有check.py时才提供gold行为;否则create返回BadState
fix_fifo FAIL 仅修普通调度,destroy仍丢弃未完成作业
fix_destroy FAIL 仅修destroy,普通调度仍逆序
mask_symptom FAIL 单位作业按FIFO,多单位仍逆序,destroy缺陷保留
valid_scan PASS vector队列表+vector作业记录,每次扫描Running或最小ticket,无map/deque工作链

valid_scan 同时改变核心表示和选择算法。判据不匹配函数源码或容器形式。硬编码公开输出、假完成、忽略预算被隐藏值与状态/事件观察拒绝。cheat_read_grader 的 host 无隔离意外 PASS 是规范允许例外,保留真实 FAIL 总回执;不能据此改 expected 或忽略 Docker 隔离门。

实测证据与交付边界

管理 PID、阶段、冻结 digest、真实命令与退出码持续保存在 factory/20261026-C-hwe-codegen-18/subagents/lk-workqueue-dedicated/state.json,每次运行用唯一 runs 子目录和日志,不覆盖历史。report.json 将记录两道回执路径、真实结果、当前 digest、清理结果与限制。单次 gold 已完成 5550 观察 PASS;正式重复结果以 report.json 和原始 receipt 为准。

全仓 unittest 留给根统一执行,本子 Agent 未运行。没有 Qwen 或其他真实 Agent 采样;没有凭据访问;没有声明完整 rollout 或难度实测;没有 Git 提交或修改平台、其他题与项目 docs。正式准入仍需根独立只读审阅。

最终重复证据:本地 local-20261026T180734844007Z/calibration-4664921cae0344ef9330889a317f4f1a 45次、总体FAIL/exit1(仅允许的host读grader例外);Docker docker-20261026T180848167594Z/calibration-0a3e2cb683644f96ae14486e2627d025 45次、总体PASS/exit0。两者都cleanup confirmed、同当前摘要 c4d3408b3028a0c6f006e3210f7db5bf73bef0e54a69508ae2d116bce391a2f8。两条路径位于 runs/20261026-C-hwe-codegen-18/lk-workqueue-dedicated/。本题45个精确容器名inspect后剩余0;没有创建网络或镜像。完整回执与报告均保留,待根独立审阅,不自动标记正式ADMITTED。