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>
14 KiB
任务规格:runtime-cancel-progress
1. 身份与来源
- task-id/version: runtime-cancel-progress / 1;family: state-machine-timing;language: C++17。
- 作者:batch18 第106题唯一子作者;独立评审:根 Agent 待签收;状态 READY_FOR_REVIEW,未首冻、未校准准入。
- 来源路线 C,原创素材改写;source 精确为
hwe/ldd3-signal-pending-long-loop,split key 同基础 ID。只读本批本地 metadata.yaml、prompt.md、reference/ldd3-signal-pending-long-loop.c;未运行来源脚本、判据、内核或模块。授权为本批 BRIEF 末尾 2026-10-27 根 GO。 - 来源仅提供长任务逐步检查 pending、可中断返回的方向;本题对象、前缀、租约、API 与命令流全部为新增且公开的软件合同,不声称是来源已有 ABI 或外部标准。无真实用户数据或凭据。
- software-only:取消时点由输入指定,没有真实信号、线程、睡眠、设备、权限或时间竞争;验证范围为用户态状态转换、提交前缀、清理和重试。硬件、真实 Linux signal/驱动、真实 Agent、模型难度均 UNVERIFIED;难度 UNMEASURED,无 Qwen/模型/硬件运行。
- 根已完成本题来源去重;作者未读其他本批新题或其他 worktree。
2. 初态、缺陷与环境
五个 candidate_files 为 runtime.hpp、store.cpp、engine.cpp、cli.cpp、main.cpp;template 另有 README.md、docs/contract.md、Makefile、smoke.in、smoke.expected。全部是原创实现;非 template 样例只含五个 candidate_files。Gold 物化 Job 的输入、输出前缀、配置和租约计数,run 从输出长度继续。
缺陷 A:store 的 release 只在 DONE 时清理;engine 在 YIELD/INTR 后调用它,租约仍占用,下一 run 返回 BUSY。公开 smoke 只有预算切片,没有取消;可见第一片 active=1、releases=0,第二片 BUSY。根因跨 engine.cpp/store.cpp。
缺陷 B:engine 在 push 输出之后检查 pending。公开合同规定当前步副作用前检查、保留已完成前缀;模板在 cancel_after=0 时多提交一项。此为本题分配的非 smoke 精确边界类型:副作用前取消/部分完成保留。公开资料用相同普通合同写法,不标陷阱、不单举边界示例。
A/B 独立。fix_release 仅修 A;fix_pending 仅修 B。mask_symptom 仅对 smoke 的 total=4、首片 done=1 情况释放 YIELD,公开 smoke 全文正确,其他预算切片或取消仍错误。Cheat 将输出硬编码为公开例子的 7+2*i,公开 smoke 正确而运行时变体失败。
环境族为标准 C/Python runtime,Linux、C++17、Python3 标准库,无下载或外部服务。镜像引用固定为 ccr-29eug8s3-pub.cnc.bj.baidubce.com/algo/bench-runtime@sha256:1519f8daa403998e5401eeb70b973e8aac8346e25a937033bc502dc5de1641a1;开发 inspect 的实际 ID 同 sha256。每评分 timeout_seconds=120;两个编译各30秒、五个运行各10秒,正常实测约4秒。
活动源码统计排除空白、注释、预处理,不展开标准库,不累计 fixtures 副本:gold 工程独有505行(cpp455、必要头声明50),template506行(cpp456、头50),valid535行。另排除纯括号/纯结束行的保守计数为388/388/415。所有源码均参与构建执行,没有 valid 备用死代码、宏关闭代码或扩 API 凑行。CLI 独有逻辑为边界安全的有符号数字解析、不可变完整命令构造、标准十进制序列化和物理行限制,均为公开接口所需。
3. 题面与公开接口
prompt 只描述连续切片后对象占用的症状、make 和 smoke.in 复现方法、提交文件;要求符合 docs/contract.md 的全部条款,不点根因文件或类别。README 重复的是交付和使用要求,业务条款只在 contract 写一次。公开构建 argv 为 make(实际 g++ -std=c++17 -O2 -Wall -Wextra -pedantic store.cpp engine.cpp cli.cpp main.cpp -o runtime),运行 argv ./runtime,stdin 为命令流。stdout 字节、stderr 空和 exit0 分别要求。
所有 Runtime 数值参数为 int64_t。9个对象方法加 print_reply、run_cli 均直接观察;snapshot 不代替 read/list/formatter/CLI。Reply 每个 scalar、两种 enum 的原始整数、values 和 IDs 长度及内容均独立输出;不存在空/合法错误归一标记。Formatter 还直接接收非命名 enum、int 极值和 int64 元素极值,保持参数值并按规范打印。
4. 判据检查项与实际依据
下表引用 template/docs/contract.md 的实际行;签名另见 template/runtime.hpp:36—44、54—55。每项为 stdin 驱动的原始观察,在 Python 内独立比对,整数和字节均无误差。
| 编号 | 检查类 | 公开依据 | 实际场景和观察 |
|---|---|---|---|
| 1 | 空对象集与多实例 | docs/contract.md:7 | 两个同时 live Runtime,同ID异输入/配置/进度,交错 inspect/read/list |
| 2 | create 默认字段及输入 | docs/contract.md:7 | total=0/32、seed=-1000/1000,成功后直接读输入和各状态字段 |
| 3 | ID范围、重复创建 | docs/contract.md:7、25 | 1/31成功、0/32、native极值、非0对象背景 EXISTS |
| 4 | configure 数值与效果 | docs/contract.md:9 | factor=-8/8、bias=-1000/1000成功,再run观察数学输出;域外/native |
| 5 | write 各参数与零值 | docs/contract.md:9 | offset=0/32、count=0/32、value=-1000/1000成功;非0输入正count写0后read0 |
| 6 | write span与BUSY | docs/contract.md:9、25 | 已提交背景中合法span BUSY、越界span RANGE,零count仍BUSY,失败后全字段/数据 |
| 7 | read 输入/输出、空span | docs/contract.md:11 | view=0/1成功,offset=32/count0、count32成功,输出视图先完成32步 |
| 8 | inspect 独立API | docs/contract.md:11、27 | 创建、运行、取消、rewind、失败后单独调用并比对全部状态 |
| 9 | run 数值成功端点 | docs/contract.md:15 | budget=0/32、cancel_after=-1/32、ID1/31,成功后观察进度/计数/输出 |
| 10 | 工作元素数学模型 | docs/contract.md:15 | 负数、零因子、两侧端点、多个ID和分片后用Python整数独立复算 |
| 11 | 完成与零长度任务 | docs/contract.md:15、17 | total0、total1、已完成重复run,不新增租约或数据 |
| 12 | 当前步取消与前缀保留 | docs/contract.md:17 | total0/1/2/7/32×budget0/1/2/7/32×cancel-1/0/1/2/7/32,取消后全部数据及resume |
| 13 | 租约释放及零预算 | docs/contract.md:17 | DONE/YIELD/INTR三终态及budget0后attempts/releases/active直接观察 |
| 14 | rewind 重复与保留 | docs/contract.md:19 | 非0输出/计数后rewind、保留输入配置、再次run、重复rewind |
| 15 | erase及ID再用 | docs/contract.md:19 | 两ID非0背景erase、list、missing、同ID重建默认与数据 |
| 16 | 每数参domain/native | docs/contract.md:23、25 | 20参数各合法两端成功和域外邻居、int64两极值;先数域后对象/span/BUSY |
| 17 | 错误payload及无修改 | docs/contract.md:25 | 每可达Code错误的非0背景,原始完整Reply和所有对象的inspect/read0/read1/list |
| 18 | 成功payload与默认Reply | docs/contract.md:27 | 默认对象直接raw,方法每字段、空vector、produced/stop仅run的区别 |
| 19 | formatter完整字段与enum | docs/contract.md:29 | 108组任意原始enum/scalar/vector参数及默认Reply;预置hex/showpos/showbase/width/fill后仍十进制、极值、长度、LF |
| 20 | run_cli同进程复用 | docs/contract.md:33 | 506次同一observer进程调用,输出/诊断流预置hex/showpos/showbase/width/fill,返回值/输出/诊断hex分帧;末尾新调用重置状态和计数 |
| 21 | CLI每动词成功及模型码 | docs/contract.md:35 | 成功端点与实际返回码集合guard;见下文完整实际集合 |
| 22 | CLI arity与数字语法 | docs/contract.md:33、35 | 每动词多参、每有参动词缺参、每数位坏字串/溢出、符号/前导0、未知verb、空白及NUL,后续读取验证保持 |
| 23 | 物理行上界和无LF | docs/contract.md:33、37 | 混合成功/syntax/API错误/空行前缀,4096行实际run进度与sum、4097 LIMIT且后续命令抑制;4096无LF、空stdin |
| 24 | executable bytes/stderr/exit | docs/contract.md:33、37 | 独立构建main,4098混合行输入,4098混合行、empty和完整公开smoke为三个独立进程场景,完整stdout bytes、空stderr和exit0分别核对 |
模型实际达到的 API 与 CLI Code 集合相同,并由生成函数在每评分前断言:create={0,1,2};configure/write={0,1,3,4};read/inspect/run/rewind/erase={0,1,3};list={0}。run 的 BUSY 仅用于防御 active 状态,合规的同步公开 API 总会在返回前释放,故其 Code4 不可从合规公开调用路径到达;不能伪造可达性。停止原因 DONE/YIELD/INTR 全部实际触发。
当前固定seed 10620261027;18412次直接方法观察、20数参guard、506次同进程run_cli、109默认/formatter观察;CLI所建场景累计实际模型分派17076 physical lines(含额外独立main/smoke复算,LIMIT行另行输出而不分派),精确实际集合保存在本题factory coverage.json。随机1100条仅补充,不替代端点/错误的定向路径。
模型与gold独立:Python把每次调用转成数学提交数量与列表变换;不读取gold结果作为答案。valid_journal 以 CREATE/CONFIGURE/WRITE/COMMIT/ACQUIRE/RELEASE/REWIND 事件为权威,方法重放得Job后观察;run用剩余数、预算、取消阈值求可提交数量,追加commit事件,不用gold逐步检查算法或物化输出作为权威。
5. 评分隔离、样例和开发证据
verify.py 与 rollout/bos_verify.py 字节一致,私有只有 check.py,没有其他.py附件或 isolation-blocked.txt。check在wrapper独占cwd中mkdtemp(dir=Path.cwd()),先读完五个源码、写完observer并生成全部输入和期望,然后才启动第一个compiler;此后只argv子进程、内存比较、stdout/stderr,不再访问scratch,无chmod/chown。候选只在compiler和binary子进程运行;observer只读stdin、调用接口、输出原始字段/字节,没有用例生成或断言。正式Docker由原样wrapper降UID/GID65534并主动检查grader拒读;可信host不能作为不可信隔离。
每trial真实两个编译和五个scene均记录PID、完整argv、true returncode、timeout、stdin/expected stdout/actual stdout/stderr的len+sha256前16位。每个scene的stdout、stderr、exit、timeout是独立原因并集,包含首差字节和行号;metadata开发实测低于3KiB,显式guard<3900,完整保留在bos_verify的stderr末4000字符内。编译warnings记录但不拒绝。完整候选stdout只在内存比对,未持久保存,不能从摘要宣称保存过原始输出。
| fixture | 预期 | 实质行为与开发结果 |
|---|---|---|
| gold | PASS | 全部模型、原始API与CLI通过 |
| valid_journal | PASS | 不同权威事件状态与批量提交算法通过 |
| template | FAIL | A+B,完整build0/run0,行为stdout拒绝 |
| fix_release | FAIL | 仅修A,取消多提交,完整build0/run0 |
| fix_pending | FAIL | 仅修B,切片不释放,完整build0/run0 |
| mask_symptom | FAIL | 全公开smoke正确,其他切片/取消错,完整build0/run0 |
| noop | FAIL | 不产生工作输出,完整build0/run0 |
| cheat | FAIL | 全公开smoke正确,其他输入/配置输出错,完整build0/run0 |
| stdout_extra | FAIL | API/streams正确,独立main stdout多字节,build0/run0 |
| stderr_extra | FAIL | 正确stdout/exit0但独立main诊断非空,build0/run0 |
| cheat_read_grader | FAIL | 真正读到check才执行gold,否则主动exit42;开发host意外PASS属允许例外 |
开发每类各一次实际观察均符合上表,reader在host PASS。另有13个污染错误payload字段/未知enum的factory专例,均build0/run0且只stdout不等;5个factory执行通道专例分别实际验证stdout-only、stderr-only、exit-only(正确stdout空stderr非0)、timeout(正确stdout空stderr而timeout+被kill exit)、stdout+stderr+exit全部原因并集。exit-only/timeout只在factory开发,不作为正式fixture。公开smoke另逐fixture真实编译执行,gold/fix_release/mask_symptom/cheat/valid全文匹配;template/fix_pending失败,证据在factory smoke-development.json。
正式两门尚未执行,须根全文预审后明确freezeGO。将包含本spec的全树SHA/size/mode首冻到本题factory,task digest、每门argv/PID/log/真实退出码、逐trial回执与全部fixture五次汇总只在factory state/report中定稿,正式门后不修改任务字节。Host reader允许例外保留整体真实FAIL,不改expected;随后继续Docker,Docker必须55/55预期一致、整体PASS、cleanup confirmed、同当前身份才可供后续准入。
6. 真实试采与审阅边界
本批不运行Qwen、Pi、模型、硬件、源脚本、凭据或Salty采集。Agent难度与完整rollout均未测;只开发/校准软件任务。未运行全仓tests或Git,未修改共享docs/平台;统一回归和提交由根协调。审核状态仅记录,不代替真实回执;最终独立签收、正式门身份、资源清理、未验证项以本题factory报告及根review为准。
7. revision1 reader fixture 修订(2026-10-28)
v1 的 host 与 Docker 各55次正式校准均实际整体FAIL/exit1且cleanup confirmed;两门的cheat_read_grader各5次实际PASS。reader在fallback打开失败后调用f.clear(),最终用流布尔状态判断是否读到判据,清除failbit后即使文件未打开也继续gold业务。该结果是fixture失效,不能证明Docker中的私有判据可读。旧65文件任务、首冻、state、report与全部110次门证据完整保留在本题factory revision1-reader-fixture目录,旧门全记EXCLUDED_READER_FIXTURE_ERROR。
根批准revision1仅将reader的fallback成功判断及最终退出判断改用is_open(),task.version升为2,并追加本节。gold、template、公开材料、check.py及其他fixtures保持原字节与mode;本修订不改变公开业务合同。新身份须在根审精确delta与反向证明后另获freezeGO,完成新唯一host和Docker双门方可准入;当前尚未冻结或运行修订后的正式门。