amos 73a5240295 Batches 21 and 18: add 74 calibrated tasks (40 Bos redo, 34 HWE code-gen)
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>
2026-11-02 10:23:12 +08:00

12 KiB
Raw Permalink Blame History

diag-debug-command-journal 规格 v1

审核状态:READY_FOR_REVIEW,正式门尚未执行;门后事实只写同题factory报告,保持本文件与全任务首冻字节。

1. 身份与来源

  • task-id:diag-debug-command-journal;version=1;family=build-deploy;language=C++17;source=hwe/syn-arm-030;split/source组=hwe/syn-arm-030。
  • 唯一作者:syn-arm-030 author;独立评审:根Agent,尚待正式证据审阅。
  • 路线C原创素材改写,software-only。只读原料为factory/20261026-C-hwe-codegen-18/hwe/arm-linux/code-gen/syn-arm-030/{metadata.yaml,prompt.md,reference/main.c}。metadata为public/medium/non-held-out;reference/main.c内容是bash,仅作方向参考,未执行或沿用其判据。
  • 原素材方向为GDB命令脚本与自动重启。新增的会话API、计划字节协议、状态转换和日志规则全部是本题原创公开合同,不称原素材已有要求,不冒称真实故障或外部标准。
  • 用户授权的本批素材制作范围;无私人会话、凭据或个人数据。根已fresh narrow去重无source/family冲突;作者没有搜索其他本批题或读取其他worktree。
  • 仅验证普通Linux用户态离线模型;无真实GDB/ARM/网络/进程调试/崩溃分析/时间/硬件依赖。难度UNMEASURED;未运行Qwen、其他模型或真实Agent。

2. 工程与初态

candidate_files为journal.hpp、journal.cpp、plan.cpp、cli.cpp、app.cpp。template额外含README.md、docs/contract.md、smoke.in。私有附件只有check.py和observer.txt;verify.py与rollout/bos_verify.py逐字相同;没有isolation-blocked.txt。

本地Python 3.10.12、g++ 11.4.0,标准库、离线构建。正式镜像固定为ccr-29eug8s3-pub.cnc.bj.baidubce.com/algo/bench-runtime@sha256:1519f8daa403998e5401eeb70b973e8aac8346e25a937033bc502dc5de1641a1,实际image ID由正式controller回执给出。task期限120秒,wrapper内部100秒,编译单次25秒、程序单scene15秒。评分容器512MiB/1CPU。

公开构建:g++ -std=c++17 -O2 journal.cpp plan.cpp cli.cpp app.cpp -o journal。运行:./journal < smoke.in,正常协议包括错误输入都exit0、stderr为空;stdout必须逐字节符合公开文档。CLI每次调用fresh,同进程可重入,最大4096物理行。

根因一:template的计划生成在run/continue后才拼接断点。smoke只有new、point、script三行;没有start或finish,不触发另一个根因。跨模块症状入口为app/cli,实际计划来自journal到plan模块。

根因二(非smoke的合同边界类型:流水线下游成功覆盖上游失败):template在collector为0时把outcome改为0,覆盖debugger或target失败,随后重试状态计算失真。gold的outcome根据debugger、target、collector依次分类;attempts与retries决定再运行。单修两处互不连带,两个fix样例分别保留另一处缺陷。

必要活动业务按非空去预处理统计:gold559行(485.cpp+74.hpp),原始581行,保守去仅括号行440;template559/581/440。header中的公开字段、枚举、方法和会话成员均参与实际调用与观察。valid专用事件代码不计gold/template行数;observer、check、文档、fixtures复制不计业务。工程独有源码口径另将公开raw observer计入,详见factory最终统计,不累计各fixture重复副本。

3. 判据结构与覆盖

check.py独立Python模型生成固定seed=113030的输入和期望。C++ observer只读stdin、调用公开方法并打印每个原始返回字段;不生成用例、不判断、不持有期望。所有字符串用无碰撞小写hex与独立空串标记-,所有返回数值原样打印,不把未知枚举映射成合法值。

每次正式判分实际编译app与observer两个独立binary,然后执行7scene:api、cli_edges、app_smoke、app_protocol、app_empty、app_nolf、app_max。raw API和CLI分别观察,API status不替代point/log/script/list_ids。每条操作后直接查询全部涉及会话的所有状态、日志、计划和8个断点,另与第二个同时live的对象交错;专门使用同id不同状态对象。

24个逐方法数参均覆盖合法上下端并在成功路径产生/读到实际效果,外加kind=1/2时value域的4个成功端点;逐参数邻居与int64原生两极值。append长度0/1/63/64/65、二进制与capacity=0/1/17/64;enabled从1写0并读回,重置前非0日志和运行字段可见。API与CLI成功端点都由实际模型路径guard,最终统计见factory开发facts。

CLI逐verb模型结果集合guard为:new={0,1,2};drop={0,1,3,4};point={0,1,2,3,4};enable={0,1,3,4};start={0,1,3,4,5};finish/append={0,1,3,5};reset={0,1,3,4};status/showpoint/log/script={0,1,3};list={0}。错误在非0目标或非0兄弟会话背景发生,后续直接观察所有字段、数据与计划。语法错误和LIMIT独立另计。

每固定CLI verb测试缺参与多参,list缺参对应空行;每个数参测试坏词、加号、小数、两向溢出、CR和孤负号。包括非法hex、大小写hex、前导零/负零、空stdin、最后无LF、4096行无LF、4099行mixed。mixed前缀包含成功、语法和API错误,第4096行new创建第二会话回显R 0 2,第4097删除未分派并输出LIMIT。未对停止后的剩余输入消费加要求。同进程多次run_cli,包括格式flags被改变的ostream、重复相同id的fresh调用。

stdout字节、stderr为空、exit0和timeout分别积累原因并集;stdout_only与stderr_only正式负例分别核查。exit-only正确输出/空stderr/非0退出只在factory开发候选测试,不列入正式fixtures。

所有可信源码读取、输入/期望构造、scratch文件写入均在第一次compiler前完成。scratch通过tempfile.mkdtemp(dir=Path.cwd())放wrapper独占cwd,无作者chmod/chown;之后check只Popen(argv)+内存比较,不访问scratch;wrapper收尾清整树。候选与compiler只在子进程运行,隔离UID由原样wrapper负责。

每trial输出紧凑JSON元数据,含完整argv表、cwd、每build/scene的PID/实际exit/timeout/stdin/expected stdout/actual stdout/stderr长度与SHA256前16hex、原因并集,实测预算小于3900字节,整行包含在bos wrapper保留的末4000字符。各binary完整stdout/stderr只在内存比较,不持久保存;保留长度/摘要,不能称保存了完整candidate输出。

4. 检查 ↔ 公开依据

表中路径相对template,行号对应首冻公开文档;每项均由Python独立期望及binary实际观察逐字节比较,超时每scene15秒。

检查类 公开依据 实际场景与观察
软件范围与接口稳定 docs/contract.md:3 只离线构建运行,无外部调试动作
所有公开API直接调用 docs/contract.md:5 raw observer逐方法调用,原字段直接输出
空对象与双对象 docs/contract.md:5 list初态;两个对象相同id不同配置/日志/结果交错
Code数值与原字段 docs/contract.md:7 API/CLI实际结果集合,未知值不归一
范围先于缺失 docs/contract.md:7 各参数域外加缺失会话,状态全保持
范围先于其他条件 docs/contract.md:7 各数参域外与running/done/已有断点共同成立
失败原子性 docs/contract.md:7 逐错误后所有session字段、8points、log、script、list
数参上下端与邻居 docs/contract.md:9 每方法每参数成功端点、上下邻居和native极值
会话创建与重复 docs/contract.md:11 id0/15、初态全部字段、存在会话create
erase/recreate docs/contract.md:13 删除/不存在/运行中,重建id恢复初态
增加与重复断点 docs/contract.md:15 slot0/7、所有8slots、同地址异slot、重复slot
enable切换与重复 docs/contract.md:15 从1写0直接point读回,再写相同值;不存在slot
start与计数清理 docs/contract.md:17 ready/retry/running/done,保留日志与断点,结局清-1
finish参数域 docs/contract.md:19 debugger/collector0..255,kind0..2,exit和signal各值域
debugger/target结果保留 docs/contract.md:21 collector0配非0debugger/target,各组合与碰撞
retry与成功终止 docs/contract.md:21 retries0..4,各失败结果耗尽;任意次数成功后完成
滚动日志与total docs/contract.md:23 cap0/1/17/64,长度0/1/63/64/65,00/ff/LF字节
reset保留配置/断点 docs/contract.md:25 非0日志与运行结果清理,busy时不改变
Status全部字段/失败值 docs/contract.md:27 成功/范围/缺失逐14字段,无snapshot替代其他API
Point/Log/Script全部字段 docs/contract.md:29 各成功及失败字段,hex空串不碰撞
list排序及删除 docs/contract.md:29 乱序创建id,范围边缘,删除重建
计划顺序与模式 docs/contract.md:31 local/remote/core、slot排序、启用过滤、cap0日志off
fresh/ostream格式/返回 docs/contract.md:33 300+同进程调用,hex/showbase/showpos/width/fill,返回0
程序入口空输入 docs/contract.md:33 独立app_empty,空stdout/stderr与exit0
物理行与LIMIT docs/contract.md:35 mixed第4096创建有count效果、第4097抑制,空行计数
分词、数词、恢复 docs/contract.md:37 逐verb arity和每数参坏词;非0背景后完整查询
hex与canonical字节 docs/contract.md:39 大小写hex、空串、任意二进制、非法hex与数字格式
全CLI动词与结果码 docs/contract.md:41 成功与每种可达API错误集合实际guard
stdout/stderr/exit独立 docs/contract.md:43 正式stdout_only/stderr_only;开发exit-only
复现及全规范要求 README.md:3 app_smoke只展示计划故障,掩盖样例smoke通过

依据表共30条。

5. 固定样例

fixture 预期 行为
gold PASS 可变槽位状态,全部合同
template FAIL 计划与结果两处独立缺陷
noop FAIL create假成功却不建立会话,完整链接运行
cheat FAIL 忽略输入打印固定公开样式,原API仍可链接
cheat_read_grader FAIL 读/grader/check.py或../grader/check.py,拒读时exit42;host可读实际PASS为允许例外
fix_plan FAIL 只修计划,完整smoke正确但结果分类错误
fix_result FAIL 只修结果,仍有计划错误
mask_symptom FAIL 只对smoke的mode/cap/point组合调整计划,完整smoke正确
valid_replay PASS 唯一append-only已接受命令日志;每次重放重建无缓存状态
stdout_only FAIL 正确业务外追加一个空格,exit0且stderr空
stderr_only FAIL 正确stdout但diagnostic写!,app exit0

每个非template目录只含5个candidate_files;每类正式5次。所有普通负例必须2build0/7run0,实际行为拒绝;只有reader拒读退出可单列。valid日志记录命令而非最终状态快照,查询与提交均从完整历史折叠,gold无此日志成员或未启用替代分支。

6. 门与未验证项

门1 trusted-local,门2固定image,各55trial。首冻包含spec及全部任务普通文件mode/size/SHA256;正式门前后核相等,任意任务字节变化须新身份新双门并保留旧证据。根预审尚未完成,两门未宣称PASS。

开发命令、PID、输出与原始meta由同题factory/development-facts.json及state.json记录;当前开发及正式结果以这些外部报告与controller原回执为准,本文不预填未发生结果。

没有执行全仓unittest,按本题BRIEF由根统一;没有真实Agent/Qwen、硬件、Salty归档、Git提交/推送、冷迁或共享平台修改。初始一次只读环境命令含git status,未改Git后不再使用。全任务正式隔离、cleanup与镜像身份待双门原件核验;完整输出未持久限制如上,不作完整rollout轨迹主张。