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

11 KiB
Raw Permalink Blame History

任务规格:dev-array-output-transaction

规范:任务制作规范。本文件仅供作者和评审,不进入候选工作区。

1. 身份与来源

字段 填写
task-id / 任务版本 dev-array-output-transaction / 1
作者 / 业务评审人 / 独立评审人 batch22 单题子Agent / root / root
审核状态 CALIBRATED/UNMEASURED;恢复时root已完成只读独审,任务保持冻结
原项目与冻结版本 factory/20261027-C-hwe-hard-22/hwe/arm-linux/code-gen/lk-gpio-array-ledbar 的metadata、prompt、prompt-explicit、reference只读快照
来源路线 C 种子或素材写题;原创用户态工程,非现场回放,未复用源内核实现
来源ID / split键 hwe/lk-gpio-array-ledbar / lk-gpio-array-ledbar
来源与授权 用户授权本项目本地HWE素材制题;来源标记public,内核消费者GPIO文档只作素材溯源,不将内核API作为隐藏测试要求
隐私处理 无真实用户数据;无凭证或内网地址进入工程
替身测试 纯内存GPIO回调保留数组取得、配置、顺序更新与撤销关系,缺陷不依赖硬件;结论software
来源组 / 根因族 GPIO数组输出 / peripheral-hal
与已有任务的关系 仅只读diag-bank-setup结构,未复制业务骨架;本题为任意非连续pin的0..8成员数组、整体前置验证、全量request后direction、物理极性、历史值事务回滚;不同于固定连续bank逐pin取得并立即配置
验证范围 C11库API、固定CLI、状态、回调次序、故障恢复与重用
未验证范围 内核、GPIO硬件、电气、时序、真实Agent、模型难度

设计动机:从原料“一组LED整体获取/释放、按序点亮”抽取可软件复现的事务合同。原创缺陷A为计划校验仅检查首成员,获取循环到后段才发现非法成员,已发生request和release;缺陷B为失败恢复把历史逻辑值当成0,造成硬件原始值与会话状态不一致。题面只报告观察症状,无根因文件/函数/类别提示。

2. 初态与环境

  • 初态完整工程:template/include/{array,simulator,console}.h;template/src/{plan,session,simulator,console,main}.c;Makefile、smoke.txt、README.md和docs/{array,console}.md。
  • 两个交付文件为src/plan.c和src/session.c,其余为固定接口和观察材料。源码原创,不执行来源脚本,不读取来源checks/behavior.py。
  • A跨plan.c的整体校验与session.c的取得调用;B位于session.c的历史物理电平恢复,并依赖plan.c的极性换算。报告症状的main/console没有目标缺陷。
  • 至少一处smoke外触发:smoke仅合法三成员成功open/apply/close;晚段非法和先成功写非零、再后段失败均不在smoke。
  • 公开资产:上述template、题面;受保护资产:check.py、固定ABI/观察器副本、全部fixtures与本spec。harness只打印原始观察,没有断言或期望。
  • 固定工具链:普通Linux用户态、C11及Python3标准库,无下载依赖;gcc -std=c11 -O2 -Wall -Wextra -Werror,固定镜像中实际版本见校准环境证据。
  • 镜像manifest:ccr-29eug8s3-pub.cnc.bj.baidubce.com/algo/bench-runtime@sha256:1519f8daa403998e5401eeb70b973e8aac8346e25a937033bc502dc5de1641a1;实际image ID由真实receipt记录,不手填。
  • 评分容器512MiB/1CPU;timeout_seconds=60,编译子进程20秒、每次观察进程10秒;工作容器上限2GiB/1CPU,未运行Agent。无服务和硬件依赖。
  • 本题先在factory本题draft完成制作和双门;root完成首组本地提交b3cfc287后明确解除第2组屏障,已一次发布tasks目录,发布摘要与draft相同。当前任务保持冻结。
  • 恢复时按template每个原始C/头文件仅计一次,去除C注释后统计非空代码行共680行,其中console.c为272行;原统计把15行以*开头的指针赋值当作注释,已纠正。fixture重复不计,源码不变。

3. 公开题面与接口

题面为维护记录;要求行为符合docs文档全部条款。复现argv为make smoke、./ledbar配stdin回放;构建成功退出0,执行正常EOF退出0,语法错误2,输出故障3。输入ASCII,行长和参数长度/整数域明确公开,与固定parser缓冲完全一致。

交付src/plan.c、src/session.c。库API有validate、physical、mask、session_init、open、apply、close,全部可直接独立观察。内部可改算法,不能依赖未声明文件。原始JSON字段和整数类型均公开;不限制stderr大小、格式或编码。

4. 判据检查项 ↔ 依据与合法解

所有路径相对template;公开依据精确行号。每行均由check.py生成用例、Python独算状态和日志,再按类型和语义比较固定C观察器stdout,单个程序10秒。

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
元素域、重复pin、空/最大数组 docs/array.md:3、5 count -32768/-1/0/1/8/9/32767;pin0/23及域外;low/initial域外;晚段重复 validate 0/-1,所有状态不变 V直接调用;类型精确 合同公开、组合受保护 10秒
极性辅助API完整域 docs/array.md:6 low和logical合法组合及负数/2/32767 XOR或-1,无状态副作用 L独立调用 同上 10秒
mask不能绕过完整校验 docs/array.md:7 非连续pin含0/23、空、NULL、晚段非法 有效集合或0 M独立调用;Python位集 同上 10秒
初始化与所有尾部字段 docs/array.md:8、11、15 N、关闭重开、更短数组、空数组 会话8槽清零、generation保持/递增 每命令原始session 同上 10秒
指定精确边界:有副作用之前完成全部校验 docs/array.md:9、12、13 open后段pin/low/initial/重复非法,apply后段非法,同时注入首回调失败 -1且events=[],状态逐字段不变;错误优先级正确 整表场景及固定seed变体 同上 10秒
open取得/配置全量顺序 docs/array.md:10、11、16 任意顺序0..8成员,混合极性 全部R后全部D,物理值正确,成功才发布 完整events和pins 同上 10秒
request各失败点、冲突资源 docs/array.md:10、16;docs/console.md:6、8、11 每个故障序号1..8、失败序号大于长度、每个位置外部占用 失败R后停止、逆序X只释放取得前缀、外部pin不变、-3 Python独立模型 同上 10秒
direction各失败点、组合错误 docs/array.md:10、11;docs/console.md:6 1..8故障点、request与direction同时设置 逆序释放全部已R;request失败则无D;会话不发布 事件逐项比较 同上 10秒
apply合法/长度/active/NULL优先级 docs/array.md:12、13;docs/console.md:7、9 未active、空active、长度不匹配、NULL各count、重复同值 精确-1/-2/0,每个合法值均W,generation不变 A与Z直接调用 同上 10秒
历史值失败恢复和继续重用 docs/array.md:14 先写随机值,再后段失败;覆盖每个失败点和混合极性 成功前缀逆序W恢复调用前电平,状态不变,不触碰失败/未试成员,-3 非gold oracle独算历史值 同上 10秒
close与空close、重复close docs/array.md:15 active、inactive、空、失败后、重开后 逆序X、清尾部、保留generation C连续调用 同上 10秒
输入不可写、全部API可独立调用 docs/array.md:4;docs/console.md:10、12 V/M/O/A后原参数、Z NULL、L、N arguments等于原输入,状态与观察合同一致 raw参数回传,无子进程断言 同上 10秒
CLI语义拒绝、外部pin和序号 docs/console.md:4、5、6、7、8、9 未知/缺参/多参/故障域外、B冲突、Z未知 -4无库调用;sequence连续;外部owner=2保留 固定观察通道 同上 10秒
词法/编码/行长/参数上限 docs/console.md:3、4 空白注释、EOF无LF、1023/1024字节、32/33参数、坏整数、多字节命令词 退出0/2,错误行无输出,保留前缀;UTF8解析stdout;stderrreplace仅诊断 多个独立进程 同上 10秒
JSON语义、类型和完整观察 docs/console.md:10、11 全部命令 对象键顺序及空白可变;bool不作int;字段/数目/日志完整 递归typed_equal 同上 10秒

合法替代解valid_staged:位集去重、整个会话stage后一次发布、预先构建物理旧值/目标值数组、独立事务循环,与gold的嵌套查重和helper前缀撤销结构不同。仅行为约束,不以参考源码相似度评分。

最省事捷径cheat强制把open后的logical标成全亮;mask_symptom_zero在成功apply后清会话逻辑值掩盖后续恢复偏差,均因完整状态/事件而拒绝。cheat_read_grader只尝试受保护路径,Docker无权限时退出;本地可读且PASS是规则允许例外。

check捕获bytes,stdout单独UTF8解析JSON,stderr仅replace解码诊断。所有源/输入在首个子进程前准备,scratch以mkdtemp(dir=Path.cwd())创建在平台根内;首child(编译器)后check不再读写、遍历或删除scratch,由外层可信生命周期清理。候选仅子进程执行。verify.py逐字复制rollout/bos_verify.py,由平台降权隔离,私有grader不进入候选。无网络或历史答案依赖。

5. 样例与校准

样例 交付文件 预期 检验点
gold 两个声明C文件 PASS 全合同完整修复
template 同上 FAIL A前置验证+B历史恢复独立缺陷
noop 同上 FAIL open在取得/发布前直接返回0
cheat 同上 FAIL open把逻辑状态硬编码为全亮
cheat_read_grader 同上 FAIL 读受保护判据后才执行正确算法;本地PASS许可例外
only_fix_validation 同上 FAIL 只修A,B仍使恢复错误
only_fix_restore 同上 FAIL 只修B,A仍有晚段副作用
mask_symptom_zero 同上 FAIL 清状态值掩盖恢复症状,破坏成功apply
valid_staged 同上 PASS 结构明显不同的位集和stage/snapshot算法

两门均现成python3 -m rollout calibrate <本题draft> --trusted-local/--image <固定digest> --output <本题runs唯一目录>,每类默认5次,9类共45次;不减少次数。只选当前最终摘要的完整两门,旧原件保留。真实attempt、task/verifier摘要、image ID、每类结果和清理事实见本题report.json及原始receipt,不手改回执。

6. 真实试采与证据

未运行模型、Agent、板卡或Salty任务;未做闸门3/4,不宣称HARD或完整rollout。仅CALIBRATED/UNMEASURED。无轨迹归档可填;保留本题所有双门成功、失败或基础设施故障原件,不覆盖。

7. 评审与准入

作者已核对来源只读、公开合同、独立oracle、API覆盖、结构不同正例、only-fix独立性、固定ABI、字节捕获和scratch边界。双门真实结果按report填写。root在恢复时已完成当前合同、缺陷、valid、独立Oracle与固定观察上下文字节的只读独审,无新增实质问题;无用户待提供项。任务已获准发布,当前保持冻结,批次回归与提交由root统一安排。