210 batch-15 tasks used 119 ad-hoc family names. Each now carries one of the canonical root-cause families (11 of the 19 are used), with version + 1 and a spec.md note, and was recalibrated through both gates. Claude checked that only family, version and spec.md changed, that every family is canonical, and the new trace6 Docker receipts against current digests (210/210 USABLE). Squashed from the 36-local branch batch20-family. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
4.8 KiB
4.8 KiB
dev-ready-observer 规格
- 路线:C,HWE 素材方向原创;
source=hwe/gi-volatile-mmio-shadow。 - 族:
device-observation;语言:C11。 - 状态:CALIBRATED / UNMEASURED。未运行真实 Agent,未声明硬件通过。
- 软件替身:
port.c在每次 read 返回当前 checkpoint 的状态,checkpoint 推进确定性帧。旧素材在同一翻译单元内调用模拟函数修改变量,不能据此证明不加volatile在优化下必然死循环。本题不静态检查volatile,只验证有限预算内对最新状态的观察。 - 初态缺陷 A:读取第一帧后复用旧值;默认
hold=1且后来转 ready 时错误耗尽。only_fix_streak保留此缺陷。 - 初态缺陷 B:ready 被非 ready 中断时未清零连续次数;合法
hold>1场景过早宣布成功。only_fix_fresh保留此缺陷。 - 非硬件边界:不验证真实 MMIO、总线时序、缓存一致性、volatile 的一般性能或板卡资源。
判据行为与公开依据
| 判据行为 | 精确公开依据 |
|---|---|
| 读取作业数量、参数范围、按行十进制词法,允许任意前导零 | template/docs/contract.md:5 |
| 非法输入退出 2 | template/docs/contract.md:5 |
| 每轮通过软件端口重新读取、checkpoint 向下帧推进 | template/docs/contract.md:3、:7、:11;接口 template/observer.h:34–:37 |
| ready 掩码、非 ready 清零连续计数、首次达到 hold 即成功 | template/docs/contract.md:7 |
| 预算包含首轮、末轮耗尽、不能无限等待 | template/docs/contract.md:7 |
| 其他状态位不影响 ready,last 保留完整状态 | template/docs/contract.md:11 |
| 输出六字段的数值、顺序、空格、LF 与 stderr 自由 | template/docs/contract.md:9;结构 template/observer.h:25–:32 |
| 各作业独立,端口从第 0 帧开始 | template/docs/contract.md:5;template/README.md:5 |
判据用固定种子产生 35 个作业,包括首轮成功/失败、延迟 ready、中断 streak、多次回落、组合掩码、随机状态和合法长前导零。Python 状态机独立计算每一行期望。另用一个末尾多余行的非法输入检查退出 2。C 工程在干净 scratch 中用公开源码加候选编译;只运行原始输出的可执行程序。编译器、候选、清理和独立 absence 都由候选身份子监督器以 argv 执行,限定 deadline 并记录真实 leader 退出、身份、IO 摘要和进程回收。check 不运行候选源码,不调用 gold 求期望。
样例
| 样例 | 预期 | 机制 |
|---|---|---|
| gold | PASS | 每轮重新 read、非 ready 重置 streak 的直接计数实现 |
| template | FAIL | 两处初态缺陷 |
| noop | FAIL | 未观察端口,主程序审计拒绝 |
| cheat | FAIL | 看首帧即无条件成功,主程序审计或独立输出拒绝 |
| cheat_read_grader | FAIL | 若私有判据可读才执行正确观察;固定镜像内必须因隔离失败 |
| only_fix_fresh | FAIL | 修复旧读,仍错误累计不连续 ready |
| only_fix_streak | FAIL | 重置 streak,仍复用旧读 |
| mask_symptom | FAIL | 始终成功,独立模型拒绝 |
| valid_state_machine | PASS | 使用环形 ready 窗口、窗口 ready 个数和终态逆向扫描;不维护 gold 的逐轮 streak 累加 |
工程与限制
公开构建只用固定镜像已有 gcc、make、Python 3;Makefile 为 C11 -O2。必要业务源码规模按 .c/.h 排除空白、预处理、纯括号与注释的逐行计数;不计样例复制。软件端口是确定性替身,故不把结果称为真实硬件验证。评分范围为普通输出合同;可选 CLI 诊断格式在公开文档中,可用于自测。
双门完成记录(2026-10-25)
- 最终 task digest:
7536e0113e2c6609436fe91ce59061b972eba01734329fd94044a0bd04c972f1。 - 本地 45 次:
runs/20261023-C-hwe-scale-15/gi-volatile-mmio-shadow/local/calibration-5b9404459ee74ff3acf4e2558b25ebb4/receipt.json,整体 PASS,九类各 5 次符合预期,cleanup confirmed。 - 固定镜像 45 次:
runs/20261023-C-hwe-scale-15/gi-volatile-mmio-shadow/docker/calibration-7005846c4d354fa5ae1e75eaa2658c09/receipt.json,整体 PASS,九类各 5 次符合预期,cleanup confirmed。镜像 ID 为sha256:1519f8daa403998e5401eeb70b973e8aac8346e25a937033bc502dc5de1641a1。 - 固定镜像受控故障矩阵:
runs/20261023-C-hwe-scale-15/gi-volatile-mmio-shadow/diagnostics/matrix-259e4cad.json,23 个实际任务包注入复制,4 个合法 PASS、19 个故障 FAIL。正常样例与最终题包 task digest 相同,其余注入按各自修改生成独立 digest。每个目录保留实际包、check/候选/公开支撑 SHA、原始 grade 日志 SHA 和受控 deadline。 - 结论只限可控软件端口与正式校准;真实 Agent 试采、真实 MMIO/板卡均未验证。
族名规范化:device-observation → device-io(2026-10-27)