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

11 KiB
Raw Permalink Blame History

任务规格:dev-shared-irq-dispatch

1. 身份与来源

字段 记录
task-id / version / family dev-shared-irq-dispatch / 1 / linux-device-abi
作者 / 独立评审 Codex单题作者 / 待根协调只读审阅
状态 / 难度 CALIBRATED,待独立审阅;UNMEASURED
来源路线 C,HWE素材方向改写,原创初态、业务模型、判据与样例
精确source / split分组键 hwe/lk-irq-shared / lk-irq-shared
原始冻结资产 factory/20261026-C-hwe-codegen-18/hwe/arm-linux/code-gen/lk-irq-shared/metadata.yaml、prompt.md、reference/lk_irq_shared.c;仅只读
来源资格 public、hard、非held-out,用户本批授权的完整本地副本;未访问冷盘、原判据或执行原脚本
根因族 逐设备屏蔽确认与共享线预算公平轮转
隐私 无真实用户内容、凭据、内网地址
替身测试 software-only;输入位集、处理函数调用和线路调度均确定地在用户态复现
关联 原素材只提供“共享IRQ应自判归属”的方向;非原内核模块复刻,不沿用上板成功标准
验证 / 未验证 C++ API状态行为、错误原子性、独立软件观察 / 内核IRQ、板卡、电气、真实并发和时序均未验证

设计动机:用可控软件状态替代设备寄存器,将共享IRQ的归属判断、屏蔽待处理位保存和按预算轮转结合。两个独立缺陷分别造成屏蔽位丢失和NONE处理者长期占据预算;不声称这是原素材中实际发生过的现场故障。

2. 初态与环境

公开完整初态是template/irq_router.hpp、irq_router.cpp、tools/observe.cpp及docs/contract.md、api.md、repro.md、repro.txt。候选仅前两个;工程其余资产用于公开合同、构建与原始观察。所有文件为本题原创,路线B回放/补全不适用。

  • 缺陷D1:处理函数认领非零owned后将整个pending清零;被屏蔽位提前丢失。
  • 缺陷D2:只有HANDLED才推进线路cursor,NONE下不推进;预算1连续调用可使共享设备饿死。D2在公开repro之外的合法低预算/多设备场景暴露。
  • 公开repro只注册dev0,先mask=1、raise=3、完整投递,再mask=3、完整投递。template第二轮NONE、handled=1;gold第二轮HANDLED、acknowledged=2、handled=2。仅修D1的fix_pending在整个公开repro逐行完全符合gold,仍在独立suite因D2失败。
  • 受保护资产:check.py、oracle-data.json、gold及其他校准fixture、本文spec;均不进入Agent工作区。
  • C++17、标准库、Linux用户态;g++离线构建,不下载依赖。固定镜像:ccr-29eug8s3-pub.cnc.bj.baidubce.com/algo/bench-runtime@sha256:1519f8daa403998e5401eeb70b973e8aac8346e25a937033bc502dc5de1641a1。
  • 评分容器512MiB、1CPU;task总期限120秒,包装器check进程100秒,内部编译30秒、运行25秒。无外部服务/硬件/真实时间依赖。
  • 代码行采用非空且非注释的源代码物理行统计,只计单份候选及公开原始观察器,不累计重复fixtures或文档。最终实际统计及镜像image ID见本题report.json。

3. 公开题面与接口

prompt仅描述遗漏与预算相关重复设备现象,给出公开编译/运行和交付文件,不点出根因函数、文件或类别。全部自有约定在template/docs内;api.md完整列出公开声明,contract.md规定全部行为。

构建argv:["g++","-std=c++17","-O2","-Wall","-Wextra","-I.","irq_router.cpp","tools/observe.cpp","-o","observe"]。构建成功退出0;观察器从stdin逐行读取well-formed操作,打印每次API调用后的原始快照;正常结束退出0,stderr为空。协议数字为完整int64十进制token且参数数准确。观察器逐token使用from_chars并同时检查转换错误与终点,行尾溢出token不会被EOF状态吞掉。评分只要求合同规定的well-formed文本;语法合法但API参数范围非法必须按公开状态码拒绝。

判据重新编译冻结候选和独立原始观察器;不复用公开构建产物。snapshot为值拷贝、按设备/线路索引输出,包含设备状态、线路累计、当前派生汇总和最近一次pulse事件。协议中字段顺序亦完全公开。

4. 判据检查项、依据与合法解

下表行号均指最终template/docs中的实际行号。每类均由Python独立模型精确比较整行所有字段;期望、用例生成和断言只在check进程中,输入组合受保护而规则公开。

检查类 公开依据 输入/观察 方法
完整API、公开结构、值快照 docs/contract.md:7;docs/api.md:6 对冻结候选重新编译,按公开字段取快照 C++构建与原始API观察
ID、线路、位集和布尔范围 docs/contract.md:9 -2^63、-1、0、上限、上限+1、2^63-1 状态码与全快照精确比较
accepted/rejected、错误原子性和范围优先 docs/contract.md:11 非法参数与存在性/冲突/重复组合 每次调用后完整快照
构造、RESET与重复RESET docs/contract.md:13 空状态、复杂状态后reset 全状态清空
共享/独占注册、EXISTS优先 docs/contract.md:17 同线shared组合、重复注册、注册非法参数 状态码与槽位初始化
注销、重用和重复注销 docs/contract.md:19 含pending/计数设备detach及reattach 设备归零、线路历史保留
mask替换、零mask、重复mask docs/contract.md:21 各位集mask前后投递、未raise修改mask pending与计数不被伪造
enabled禁用、重复启停 docs/contract.md:23 禁用中raise/clear/transfer/move和后续启用 状态保留及跳过禁用设备
MOVE冲突、同线移动、状态保留 docs/contract.md:25 独占冲突、共享迁移、未注册 原子与历史计数保留
RAISE合并和零位计数 docs/contract.md:29 重复65535/0/单高位注入 OR和raises计数
CLEAR交集与重复清除 docs/contract.md:31 mask/enabled无关清除、空交集 pending与实际popcount
BATCH长度/范围/DUP/NOENT优先及原子 docs/contract.md:33 0/1/8/9/16项、重复未注册和非法value组合 单次accepted、每设备raises、失败原子
TRANSFER交集、同设备、无计数副作用 docs/contract.md:35 自转移、跨线、零位、目标已有同位 OR合并与双方状态
REBIND最终布局及错误优先 docs/contract.md:37 独占交换、最终冲突、空列表/重复/未注册 最终布局检查及原子
PULSE预算范围/空线/零预算 docs/contract.md:41 0/1/2/7/8、非法预算和空线 dispatches、空记录和状态码
稀疏ID、跨0、启停与预算选择 docs/contract.md:43 1/4/7等ID、连续预算1、跨线设备 独立排序模型比对顺序
自判归属、屏蔽pending保留、HANDLED/NONE docs/contract.md:45 多位、全屏蔽、全放开、重复注入 各设备pending和调用结果
NONE也推进cursor、公平投递 docs/contract.md:47 多设备连续NONE夹杂HANDLED,预算1 cursor与deliveries精确次序
pulse/handler统计区分与跨线不变性 docs/contract.md:49 一个pulse内多设备、空投递和零预算 所有线路/设备累计
最近记录跨管理操作保留 docs/contract.md:51 投递后注销/移动/错误API 历史deliveries不回滚
stdin协议与原始观察格式 docs/contract.md:55;:57;:59 固定seed的well-formed合法/非法API输入 token完整性、arity及全字段数值
派生汇总、禁用/屏蔽/空线、同位多设备 docs/contract.md:65 ready/deferred区分、重复位popcount、空线 逐线路九字段独立复算
交付边界与隔离 docs/contract.md:61 固定candidate_files、cheat_read_grader wrapper降权与私有判据可见性负例

合法替代解valid_events以事件日志为唯一持久状态;每次验证和snapshot重放历史构造状态,使用按环形距离排序选择处理者。gold使用固定槽位和增量更新,按cursor循环扫描。替代解的核心表示和算法均不同,不以变量改名或遍历方向冒充独立实现。

不接受硬编码公开例子、只服务低3位、把set_mask当作合成到达、只修一处缺陷或读取隐藏判据。这些捷径分别由高位及随机组合、mask不改变pending、两处定向场景和Docker UID边界拦截。编译/静态通过不等于行为通过,软件通过不代表硬件通过。

5. 样例与两门校准

fixture 预期 对应目的
gold PASS 完整槽位增量实现
template FAIL D1与D2同时存在
noop FAIL ABI齐全但无状态转换
cheat FAIL 仅认领低3位,迎合公开小位集
cheat_read_grader FAIL 只有成功读取隐藏check.py才执行gold,否则退出23
fix_pending FAIL 只修D1,完整通过公开repro,D2仍失败
fix_cursor FAIL 只修D2,D1仍失败
mask_symptom FAIL 修改mask时制造新开放位,掩盖复现最终handled症状但篡改真实pending
valid_events PASS 事件溯源、重放、排序的独立合法解

每类只含candidate_files两文件,九类各五次,每门45次。真实门结果、回执、退出码、清理和task/verifier/image身份见本题report.json及state.json。host中cheat_read_grader可读取私有判据而PASS属于规范允许的预期例外,若发生保留整体FAIL事实;此例外不阻止继续Docker门。

6. 真实试采、证据与限制

本批明确不跑Qwen/其他真实Agent,不读取凭据,不进行模型采样或真实硬件验证。无真实模型轨迹、broker、token/费用和轨迹归档;难度UNMEASURED。不把脚本校准当作真实Agent或完整rollout。

校准日志唯一目录位于runs/20261026-C-hwe-codegen-18/lk-irq-shared/;进程/PID、冻结摘要及真实退出码持续写本题factory子目录state.json。公开repro-evidence.json记录gold、两个单修、template和症状掩盖样例的实际编译/执行/逐行对比。全部判据scratch输入、候选和harness在第一个编译子进程之前写完,此后check不读取、改权限、遍历或清理scratch。候选和编译器只由subprocess执行,wrapper在Docker中统一降为65534并清组;check未再chmod/chown。

只按本题运行记录精确清理资源,不prune。最后一次门与当前task_digest一致且Docker整体PASS、cleanup confirmed方可提交根审。真实Agent链路、难度分池和板卡均UNVERIFIED,不能标记ADMITTED。

7. 自审与准入

作者已只读核对全部公开合同、依据表、独立oracle、定向负例、事件重放替代解和scratch边界。统一verify.py从rollout/bos_verify.py原样复制;无isolation-blocked.txt。未改平台、catalog、全局docs、其他题,未执行全仓unittest,未提交Git。

两门实际结论和剩余项以report.json为准。独立评审由根协调进行,保留其review.json;在独立审阅及未来真实试采前不宣称正式准入。

最终门结果:当前task_digest为38a6ba7ef3144d62a586d236127989dab45a4bbc8ec690142e3211a899d541a9。host真实FAIL、exit1、cleanup confirmed(仅cheat_read_grader 5/5 PASS例外);Docker45/45符合预期、整体PASS、exit0、cleanup confirmed。两门与当前指纹一致。单份候选有效代码603行,含原始观察器的工程独有代码692行;不计空白、注释、重复fixture、文档和判据。最终资源核对见factory本题cleanup.json,45个本题容器均已不存在,无创建专用网络。