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

14 KiB
Raw Blame History

任务规格:concur-batch-commit-tail

1. 身份与来源

字段 填写
task-id / 任务版本 concur-batch-commit-tail / 1
作者 / 业务评审人 / 独立评审人 batch22 pth-cond-group-commit 子Agent / root待审 / root待审
审核状态 CALIBRATED;难度UNMEASURED
原项目与冻结版本 HWE本地批次20261027-C-hwe-hard-22只读材料;原始指纹见本题root-source-review.json
来源路线 C 素材写题;原创修复工程,不声称历史现场故障
来源ID hwe/pth-cond-group-commit
来源与授权 用户2026-10-27批次BRIEF;metadata visibility=public;只读metadata、prompt与reference,未读checks或执行来源脚本
隐私处理 无真实用户内容或凭据
替身测试 software:显式调用表达调度账本,无真实线程、时间、硬件、特权或外部服务
split分组键 pth-cond-group-commit
来源组 / 根因族 HWE cond-group-commit / linux-concurrency
与已有任务关系 原创的批量发布与尾批模型;来源与ID初筛由root核对,无共用其他新题业务骨架
验证范围 C++17公开账本、backend、helper的确定性行为与文本域
未验证范围 真实线程调度、pthread原语实现、硬件、模型能力及真实Agent轨迹

设计动机:把原料的“攒满N再提交”改写为可以逐条重放与复算的生产者/提交者软件账本。队列由Engine维护,发布由独立Journal完成,policy决定谓词可选数量,text独立解析配置。原料代码不复制进工程。

缺陷一:policy.cpp的take_count在closing且queued<width时返回0,Engine::pump因此留住最后未满批记录并一直返回WAIT,status.ready也同源错误。指定精确合同边界类型为“最后不满批次的精确收尾”;公开依据R08,smoke不覆盖这一边界。

缺陷二:journal.cpp的新ticket在检查故障注入前已经插入发布记录。Engine收到-11仍保留队列与ticket,而Journal的published计数提前变化。涉及Journal提交与Engine重试两个模块,报告来自console;公开smoke可独立复现。

只修tail保留提前发布,only_fix_tail在smoke与template一致;只修publish保留尾批等待,only_fix_publish在private-tail与template一致。二者独立对照保存在本题factory/selftest。公开文档按2026-10-27 plain-docs要求使用普通条款,不标出陷阱或给边界专门举例。

2. 初态与环境

  • 初态资产:template的group.hpp、policy.cpp、text.cpp、journal.cpp、engine.cpp、console.cpp、Makefile、smoke.txt、README.md、docs/contract.md及docs/console.md。所有源码与输入随题公开;没有遗漏的依赖文件。
  • 公开资产:完整工程、R01–R17合同、命令/结果字段、公开smoke。候选只交付五个声明文件。template不含答案、隐藏输入、spec、历史或构建产物。
  • 受保护资产:check.py、gold及fixture、spec与校准证据。verify.py逐字复制rollout/bos_verify.py。
  • 环境族:固定trace6 Linux runtime,C++17及Python 3;离线使用g++和标准库,无额外依赖或服务。
  • 镜像引用:ccr-29eug8s3-pub.cnc.bj.baidubce.com/algo/bench-runtime@sha256:1519f8daa403998e5401eeb70b973e8aac8346e25a937033bc502dc5de1641a1。实际image ID由正式receipt记录。
  • 资源:正式评分512MiB/1CPU;check内编译35秒、观察20秒;平台总评分120秒。执行超时只防挂死。
  • 本题C++/头文件独有非空无注释行720,按template单份统计,包含491行可提交实现和229行独立观察控制台。fixture复制不计入。各文件细分与去注释算法见本题report/selfcheck记录。
  • 外部依赖:无。初态行为见本题factory/selftest内template-public-smoke.stdout和template-private-tail.stdout;不将本地受信执行当不可信隔离证据。

3. 公开题面与接口

题面为中文现场报告式描述,见prompt.md:操作返回可重试而报告已发布记录先变化;make smoke复现;要求满足docs/contract.md全部条款并提交五个声明文件。没有点名根因函数/文件/类别。

公开构建argv为["make"],执行argv为["./group-console"]并从stdin读取命令。成功运行退出0,非法控制台命令退出2。stdout是JSON数组原始观察;语义按整数比较,可容许JSON空白差异,bool不视为整数。stderr仅供诊断,不限制大小或字节编码。完整API参数、返回、副作用、输出引用、顺序和边界见R01–R17;console字段在docs/console.md。

4. 判据检查项 ↔ 依据与合法解

判据检查项 公开依据 输入/场景 可观察结果与方法 公开/受保护 超时
R01 Independent Engines/Journals and unchanged inputs template/docs/contract.md:3 Interleaved objects and every text/batch helper U alternation and independent raw byte/item digests; exact integer fields private inputs / public rule 20s process
R02 Return values and WAIT/DONE observations template/docs/contract.md:5 Inactive, malformed, range, full, conflict, retry, idle and done Typed integer array comparison; exact integer fields private inputs / public rule 20s process
R03 All out fields and state retained on errors template/docs/contract.md:7 pump/peek/read/parse/config/commit failures Nonces 0, intermediate, uint64 max; before/after status; exact integer fields private inputs / public rule 20s process
R04 Configuration domains, reconfiguration and reset template/docs/contract.md:9 width 0/1/16/17/MAX, capacities below/equal/64/65 V direct helper and C/Z sequences; exact integer fields private inputs / public rule 20s process
R05 Inactive checks precede remaining validation template/docs/contract.md:11 unconfigured enqueue/fail/pump/peek/read/close Malformed inactive operations plus status; exact integer fields private inputs / public rule 20s process
R06 Ordered queue, lifetime ids and admission checks template/docs/contract.md:13 full queues, invalid fields, duplicates before/after pump and close Q and receipts plus status; exact integer fields private inputs / public rule 20s process
R07 Closing generation and replaceable failure setting template/docs/contract.md:15 empty/full queues, repeated close, invalid replacement X/X, F 0..9/MAX, P then S; exact integer fields private inputs / public rule 20s process
R08 Batch width, final partial group and one-group pump template/docs/contract.md:17 width 1/2/3/4/7/16; 0, width-1,width,width+1,2width±1,64 Items Independent K matrix; engine prefix and completion observations; exact integer fields private inputs / public rule 20s process
R09 Atomic failure and idempotent ticket publication template/docs/contract.md:19 failure 0/2/8, repeated/conflicting/reordered tickets and retries JC/JS/JR direct backend; Engine P/S/R; exact integer fields private inputs / public rule 20s process
R10 Batch validation, value domain and duplicate ids template/docs/contract.md:21 empty/17 Items, invalid ticket/id/value and mixed-error batches B independently and JC while failures are pending; exact integer fields private inputs / public rule 20s process
R11 Publication indexing and queued indexing template/docs/contract.md:23 first/last/outside/MAX indexes, reads after close/reset JR/R/Q with multiple initial output patterns; exact integer fields private inputs / public rule 20s process
R12 Summary, same_items and modulo total template/docs/contract.md:25 empty, 1,16,17,64 Items, full uint64 fields, order/value/id changes D/E independently of Journal and Engine; exact integer fields private inputs / public rule 20s process
R13 Item digest byte layout and empty digest template/docs/contract.md:27 asymmetric ids/values, maximum words, repeated records H direct helper and independent Python FNV arithmetic; exact integer fields private inputs / public rule 20s process
R14 Full status, counters and instance isolation template/docs/contract.md:29 initial, admitted, attempted, committed, failed, reused and reset S/JS after commands; exact integer fields private inputs / public rule 20s process
R15 Decimal grammar, lexical-before-range and output retention template/docs/contract.md:31 empty/sign/SP/TAB/CR/LF/VT/FF/NUL/non-ASCII, overflow plus trailing invalid byte N direct helper with original-input digests; exact integer fields private inputs / public rule 20s process
R16 Complete config grammar and numeric validation template/docs/contract.md:33 ordering, separators, whitespace, mixed errors, overflow, complete-line trailing bytes T direct helper with original-input digests; exact integer fields private inputs / public rule 20s process
R17 Unbounded leading-zero strings and raw diagnostics template/docs/contract.md:35 Whole strings transported as hex, strict stdout UTF-8, stderr replacement decode 20,000 leading zeros and overflowing numeric tokens; exact integer fields private inputs / public rule 20s process
控制台观察格式与输入内容保留 template/docs/console.md:3,5,7,9,11,13,15,17,19,21 所有命令、同进程U双实例、独立helper与Journal操作 固定原始观察器只输出实值;Python独立建模并严格整数语义比较 public protocol / private script 20s
编译与交付边界 prompt.md:5;template/README.md:7 五个声明文件重新构建 私有固定console与候选源码编译,其他文件不收集 public 35s
  • Oracle以Python重新实现公开数学与状态合同,不执行gold获取答案。固定seed 0xBA7C22用于700步交错回归。每次生成同样的完整输入,所有输出字段都比较。
  • 所有候选文件先一次性读取,mkdtemp(dir=Path.cwd())下写好全部源码,再启动首个child;之后check不遍历、读、写或清理共享scratch。平台外层root最终统一回收。无候选同进程导入、ctypes或shell执行;harness无断言或预期结果。
  • stdout以bytes捕获后按UTF-8/JSON解码;stderr只诊断时以replace解码。JSON递归同类型比较,拒绝bool冒充整数。原始observer独立计算输入指纹,不借用被测helper计算其输入是否改变。
  • 合法替代解valid_cow使用deque队列、unordered_set接受索引、Journal整份新状态写时复制后swap,选择数量采用整除计算;与gold的vector/线性搜索/原地append不同。
  • 拒绝硬编码公开批宽、忽略失败设置、输出PASS替代行为等捷径;不要求候选使用特定调用路径。每个公开helper均通过直接原始观察验证,Journal也独立于Engine验证。cheat_read_grader仅核对判据隔离。
  • grader的输出由统一verify包装器提供一行JSON;PASS/FAIL检查数1,退出0/1;缺环境或执行故障另按平台合同,不计能力失败。
  • 隐藏输入、答案及历史候选不提供给Agent;没有发布到Salty的历史答案或任何外挂检索依赖。

5. 四类样例与校准

样例 预期 检验目的
gold PASS 满足全部公开合同
template FAIL 两处独立缺陷初态
only_fix_tail FAIL 仅修尾批,保留失败提前发布
only_fix_publish FAIL 仅修失败发布,保留尾批等待
noop FAIL configure修改状态后返回未配置,破坏核心功能
cheat FAIL 按公开smoke的固定批宽4处理所有参数
mask_symptom_retry FAIL 忽略失败注入掩盖公开症状
valid_cow PASS 不同队列、索引与事务提交结构
cheat_read_grader FAIL(Docker) 判据隔离;本地可读而PASS为合同允许例外

现成两门均每类5次,共45次;不降低每类次数,不改平台。最终回执及任务摘要由本题report.json记录,不手写或修改回执。若本地reader PASS导致总门FAIL,保留真实原件并注明允许例外,以Docker整体PASS为正式校准结果。最终校准前删除template构建产物并冻结任务摘要。

6. 真实试采与证据

  • 本批不用Qwen或其他额外模型;未做真实Agent采样,没有原生轨迹、broker对账、模型成功率或难度分池结论。
  • 任务状态只能为CALIBRATED/UNMEASURED;不能宣称HARD、ADMITTED或真实调度/硬件通过。
  • 本次唯一运行证据在runs/20261027-C-hwe-hard-22/pth-cond-group-commit。每次attempt唯一,不覆盖历史;环境异常立即停止本题精确PID并报root。
  • 容器由平台逐个管理并核对cleanup;不清理其他作业。没有本题专属网络、外部服务或凭据。尚未封存或上传Salty,收尾由root统一安排。

7. 评审与准入

  • 来源、公开机制、软件替身、完整初态与交付边界已核对。
  • 全部17条公开合同以及固定observer输出均建立依据映射;未为边界条款加提示。
  • 正例、结构不同正例、定向修复负例和症状遮盖样例齐全;本题预检与缺陷独立对照保留真实输出。
  • 最终双门回执摘要一致且Docker全部45次符合预期、cleanup confirmed;本地reader PASS例外使原始整体FAIL,原件保留。
  • root只读独审完成。
  • 真实采样和难度测量(本批明确不做)。

作者自检:2026-10-27;未发现需要用户补充的材料或环境依赖。最终状态与根审结果以report/review为准,不在此宣称已准入。任务包发生变化后须重新两门校准。

最终校准记录(2026-10-27):任务摘要 7e997b5270fd31dd896fa191e711732d5a1ae5d37d3dc767b6def2a5795ee0dd。本地原始FAIL(仅许可reader例外),正式Docker PASS,各类5次。

  • local: runs/20261027-C-hwe-hard-22/pth-cond-group-commit/local-final-2c39d6b931274b74b2724c3db5ab028f/calibration-636db7df601f49e586492faab646363e;cleanup confirmed。
  • docker: runs/20261027-C-hwe-hard-22/pth-cond-group-commit/docker-final-db4f5b3fd35d4d8495933d4902f31824/calibration-02955503f71e4b67a7fe62cf97946196;cleanup confirmed。