Batch 21 (20261027-A-bos-redo-21) rebuilt 40 of the 53 rejected Bos-qiao environments: hidden assertions that ran inside the candidate's process now run in a trusted parent that reads observations from a low-UID worker; gold bytes are unchanged. 9 were excluded for scope (ROS2, oversize, security core), 3 are blocked because the source requires an exec bit the platform does not freeze, 1 lacks requests/bs4 in trace6. Batch 18 (20261026-C-hwe-codegen-18) adds its last 34 of 134 tasks; the first 100 landed in 2f32624d. Claude reviewed 74/74 USABLE against current digests, canonical families, no ID or source overlap with main, plain public docs. Only the new task directories are taken; the stale pre-batch-20 copies of concur-release-capsule and resource-temp-link on the batch 21 branch and both branches' progress notes stay as main has them. Difficulty is unmeasured. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
7.6 KiB
control-jump-context-frames 作者规格
- 身份:版本1,family state-machine-timing,source hwe/syn-arm-218,split键syn-arm-218。
- 来源路线C:基于本批本地只读public/medium素材原创软件改写;素材只提供setjmp/longjmp主题,原参考和checks没有作为判据执行。来源授权见批次BRIEF。无真实用户内容与凭据。
- 软件替身:显式逻辑帧与保存上下文,不调用实际setjmp/longjmp,不借用失效jmp_buf、真实C栈、板卡、内核、信号或调度时序。新增API/CLI均为本题公开软件合同,不冒称原素材已有约定。
- 公开工作区:template的jump.hpp/engine.cpp/console.cpp、main.cpp、Makefile、README、docs/contract.md、smoke.in与smoke.expected。候选仅jump.hpp、engine.cpp、console.cpp;各非template fixture只含这三文件。
- 构建:C++17、标准库、g++,无下载或外部服务,正式每trial120秒。判据用两次完整编译及4个实际进程scene(raw、独立app smoke/empty/limit);每scene20秒。
- 指定环境:ccr-29eug8s3-pub.cnc.bj.baidubce.com/algo/bench-runtime@sha256:1519f8daa403998e5401eeb70b973e8aac8346e25a937033bc502dc5de1641a1。正式实际image_id以receipt为准。
- 校准前审核状态:READY_FOR_ROOT_PREFREEZE_REVIEW;根FIRST_FREEZE_GO前不首冻或启动正式校准。正式后task文件不写,最终结果仅写factory报告。
缺陷、独立单修与合法解
A为jump弹出子帧时绕过上下文失效转换。公开smoke以非零5跳回父帧,另一槽应为stale但初态仍报告live。症状经console展示、逻辑在engine中,需自行复现定位。leave正常执行上下文失效。
B为jump(slot,0)没有把恢复值转换为1,初次save保持0。此为根分配的非smoke精确边界类型,smoke没有0恢复。fix_lifetime只修A并保留B;fix_return只修B并保留A。mask_symptom只在公开id9的失效查询上掩盖观察,完整公开smoke表现正确,其他ID、槽状态与继续执行仍拒绝。
gold用固定32个ID帧节点和parent活动链维护状态,根起算查询、深度、token定位和弹帧沿链求值。所有节点操作、链遍历和公共查询都在实际测试路径使用,不靠新增同义API或重复解析分支补数。valid_replay仅保存已接受Enter/Leave/Store/Save/Jump/Clear事件,构建临时向量图像并按存活token集合重新推导槽state;每API和query均从事件历史重建,没有持久gold帧表、parent链或LIVE缓存。两者共用行为中立的协议实现。
早期设计的lookup/FIND及复制解析分支已在首冻前删除。原开发runs保持不变;旧完整metadata未采集的限制见factory的prefreeze-redesign-history/limitations.json,保留作者原文字面量与明确标注的差异,不虚构旧全树快照。
判据与隔离
verify.py逐字复制rollout/bos_verify.py,私有附件只有check.py和非.py固定main/smoke数据。check内Python Model产生期望,C++ observer仅根据stdin执行公开API/CLI并打印原始返回字段与逐字段状态,不生成用例、断言或隐藏期望。owner使用unique_ptr,只调用引用接口,不要求候选Machine可复制、移动或赋值。
首次compiler前读取全部候选、固定数据,生成所有stdin/期望并写完scratch。mkdtemp(dir=Path.cwd())位于wrapper独占目录,候选运行后判据不再读写scratch,所有子进程使用argv与明确cwd,无shell。正式Docker由平台降UID65534并隔离grader;可信host仅执行仓库校准样例,不能当正式隔离。reader在host可能5次PASS导致整体真实FAIL/exit1,保留事实并继续Docker。Docker reader拒读后主动exit19另列,其余负例要求两次build0、所有scene实际run0并因行为拒绝。
每实际compiler和scene保留PID、完整argv、cwd、真实exit、timeout、stdin/expected/actual/stdout与stderr的len及sha256前16hex、stdout/stderr/exit/timeout原因并集,compact JSON小于3900字节;bos wrapper保留末4000字符。成功场景同样保留。原候选完整stdout/stderr没有在正式wrapper外完整落盘,只保留上述摘要,不冒称完整候选流或原生rollout轨迹。
判据检查项与公开依据
| 检查项 | 实际公开依据 | 实际检查 |
|---|---|---|
| 初始帧/槽/独立对象 | docs/contract.md:2 | 两同时live对象、同ID异local/返回、交错API和CLI及分别fresh |
| 原始错误码、失败value与状态保持 | docs/contract.md:3 | 所有失败API后完整top/depth/8frame/8context,后续token复用;CLI真实可达错误集合 |
| 每数参合法上下端/域外/native | docs/contract.md:4 | 每参数API与CLI code0两端guard及邻居/int两极,位置7占满并直接读回 |
| enter/唯一id/容量/新token | docs/contract.md:5 | depth0..8、重复id和full及范围先行;弹帧后同ID新token |
| leave/owner失效/保持槽原字段 | docs/contract.md:6 | 栈空与多同owner槽、leave重复、context原始字段直接检查 |
| store/祖先local/旧值/写0 | docs/contract.md:7 | 非栈顶更新、正背景写0、旧值Reply与frame直接读回,缺id/域错误 |
| save/覆盖/return0 | docs/contract.md:8 | 空栈及全部槽、live/stale覆盖、resumes重置、owner returned重置 |
| jump/截断/祖先/零恢复/计数 | docs/contract.md:9 | 多层中间owner、同顶重复、多槽owner、非零/0/正负端、stale/vacant与范围先行 |
| clear前state及恢复字段 | docs/contract.md:10 | vacant/live/stale逐槽与重复clear,frame保持 |
| frame/top/depth所有字段 | docs/contract.md:11 | 每API独立返回,不用snapshot替代top;根起算index0/7、未占用/范围与top空 |
| context所有字段 | docs/contract.md:12 | live/stale/vacant及域外默认字段,重复query不修改 |
| 复用run_cli与对象所有权 | docs/contract.md:13 | 同对象多次真实调用及另一live对象,每次fresh计数,禁止移动/赋值的公开类实际编译通过 |
| 分词/整数/末行 | docs/contract.md:14 | 空格/TAB、负数/-0/前导零、坏数每参数、CR/正号/本机域外、无LF末行 |
| 每动词/语法错误保持 | docs/contract.md:15 | 每verb实际成功、缺参/多参/坏数,未知词/空行后全字段 |
| canonical stdout原始bytes | docs/contract.md:16 | C每次扰动hex/showbase/showpos/uppercase/boolalpha/width19/fill/分组locale,格式无碰撞hex携带全部CLI结果 |
| 64physical lines及fresh | docs/contract.md:17 | 63/64/65/70混合行,64条实际STORE写0,65条STORE99抑制;独立app同一混合上界场景 |
| app/空stdin/exit/stderr | docs/contract.md:18 | 独立app smoke/empty/limit,stdout_extra/stderr_extra,开发专用正确输出exit23仅exit拒绝 |
17条依据覆盖全部合同条款。精确覆盖计数和逐参数实际guard见factory coverage-guard.json,由运行中Python模型产生并自断言。真实门回执、退出码、最终摘要、全部110 trial与22 fixture聚合、文件清单由最终factory报告记录,不在首冻后改本spec。
固定样例
11类:gold与valid_replay预期PASS;template、noop、cheat、cheat_read_grader、fix_lifetime、fix_return、mask_symptom、stdout_extra、stderr_extra预期FAIL。noop不连接新帧,cheat硬编码完整公开smoke。除reader主动拒读退出外,正式负例均实际成功构建与运行,按独立Python行为期望拒绝。开发exit23为可信固定app-main扰动,不作为正式fixture。
未验证范围
无Qwen、真实Agent、模型难度采样、原生工具事件、硬件或Salty。本题难度UNMEASURED;校准不表示真实Agent rollout,也不表示已正式ADMITTED。全仓回归由根在窗口统一交专门环境Agent执行,本作者不运行。