76 lines
7.5 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters

This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

# build-versioned-api 任务规格
## 1. 身份与来源
路线 C,原创扩写;source 与 split 分组键均为 hwe/cc-cmake-version-script。HWE public 用例 cc-cmake-version-script 的 metadata.yaml 已核对 visibility: public,且不在本批 _held_out.json;已用于制题,后续不可作该模型的评测。仅借现场方向及 reference 的工具链知识点,不复用 checks/behavior.py。原交叉/板端场景改为当前固定镜像的 make 与宿主 ELF 软件替身;不声称现场还原。依赖仅 Python3、gcc/cc、make、ar、ld、readelf 与标准 C 库;镜像已实测,CMake 不存在且未使用。
## 2. 初态与工程
模板为现成 C11 工程,协议解析、CRC、FIFO 存储、观察主程序和发布模块均真实参与运行。源码 719 行,候选 {'Makefile': 32, 'engine.c': 184},gold/template 差异 16 行。两处缺陷:构建选项/链接配置与运行状态/数据转换各一处;详见下表。非候选文件作为公开上下文,并从私有 cases.json 原样重建,额外文件不影响判分。
## 3. 公开合同与验收矩阵
| 判据项 | 公开位置 | 用例 |
| --- | --- | --- |
| 构建配置、ELF/库身份、版本或 profile 传播 | prompt B 构建与发布合同全文 | 先构建再运行,profile 连续四次选择、静态产物复制部署、符号观察或环境配置组合 |
| 入队、容量、历史去重、通道校验与过滤顺序 | prompt Q PUT 全段 | 重放、满队列、非法通道、过滤后同序号重试、固定随机 200 步 |
| FIFO 部分排空、总值、DROP、RESET | prompt Q DRAIN/DROP/RESET 全段 | DRAIN 0/1/7/31/32/33、排空后重放与分批继续 |
| 线格式 CRC、边界数与无副作用错误 | prompt W 线格式全段 | WIRE、INT32_MIN/MAX、UINT32_MAX、错误命令 |
| 所有状态字段与 digest | prompt W 观察格式全段 | 每条命令独立 Python oracle 复算 |
## 4. 判据与隔离
verify.py 原样 bos_verify。唯一 Python 私有附件 check.py,同族逐字一致;cases.json 放公开支撑工程副本、配置与确定种子。check 在运行前完成全部输入、候选副本和构建驱动;其后仅比较子进程 stdout,不读取候选可写 scratch。驱动只编译、运行、搬运产物及打印 readelf 原始观察的规范化字段,没有期望值或断言。候选代码及构建只在降权子进程执行;Python oracle 不 import 候选。没有隐藏候选进程断言。
## 5. 构建、校准与运行
闸门 1/2 每类各五次。真实 GLM 试采由主 Agent 统一运行一次,结果另记批次台账;当前状态 CALIBRATED(真实试采由主 Agent 完成后另行准入)。可信 host 无隔离时 read_grader 正对照可能可读并正确通过,不伪造为拒读;Docker 要求不可读且 FAIL。
## 6. 证据与限制
本族台账 factory/20261016-C-embedded-3/build/;本地/正式输出 runs/20261016-C-embedded-3-dev/build 与 runs/20261016-C-embedded-3-calibration/build。固定软件替身,无实际板卡、交叉编译或硬件通过声明。难度分池不在本批范围。
## 7. 样例与审阅
| 样例 | 预期与机制 |
| --- | --- |
| gold | 全部构建和运行合同 PASS |
| template | 构建配置错误与运行缺陷同时保留,编译成功后观察 FAIL |
| noop | 完整可编译工程,不处理命令,状态输出不符 |
| cheat | 只接受 RESET,静态空输出无法匹配运行时输入 |
| cheat_read_grader | 若能读 grader 执行完整 gold;读不到则 noop 并在 stderr 明确 unreadable;Docker 应 FAIL |
| cheat_build_only | 只修构建,仍保留该题独立运行缺陷,FAIL |
| cheat_runtime_only | 只修运行,仍保留该题构建缺陷,FAIL |
| valid_alternative | 用线性移位去重历史替代环式历史,合法 PASS |
负例均须实际编译成功再行为 FAIL。独立只读评审待主 Agent 安排;具体校准回执、失败机制与真实试采写批次台账后更新准入状态。
### 最终校准与独立审阅证据
- Docker:`/home/ming01.wang/embedded-rollout/runs/20261016-C-embedded-3-calibration/build/calibration-992ada29bae04a5fa8c736dba2dea6c6`,40/40符合预期、cleanup confirmed。
- 同身份host:`/home/ming01.wang/embedded-rollout/runs/20261016-C-embedded-3-dev/build/calibration-b48501b97e5e4d4898c1d34778f78c1a`,其余35次符合预期,read_grader可读正对照5次PASS导致整体如实FAIL。
- memory作者独立只读审阅通过;真实试采与最终封存由主Agent统一完成,未在此先行声明ADMITTED。
- 运行缺陷:序号字节反转,首条DRAIN指纹3148829997而非930155777;构建缺陷:动态API无DEVICE_1.0版本并泄露engine_private_digest。两个半修复分别独立暴露上述缺陷。
| FAIL样例 | Docker五次实际机制(首个观察差异) |
| --- | --- |
| template | observation 1 mismatch: got=EXPORT engine_execute expected=EXPORT engine_execute@@DEVICE_1.0 |
| noop | observation 3 mismatch: got=R 0 0 0 0 0 0 1 0 1 0 expected=R 0 1234567 0 0 0 0 1 0 1 0 |
| cheat | observation 4 mismatch: got=R 0 1234567 0 0 0 0 1 0 1 0 expected=R 0 1234567 1 0 1 558161692 1 0 1 0 |
| cheat_read_grader | observation 3 mismatch: got=R 0 0 0 0 0 0 1 0 1 0 expected=R 0 1234567 0 0 0 0 1 0 1 0 |
| cheat_build_only | observation 6 mismatch: got=R 0 1234567 2 0 1 558161692 1 0 1 1 3148829997 expected=R 0 1234567 2 0 1 558161692 1 0 1 1 930155777 |
| cheat_runtime_only | observation 1 mismatch: got=EXPORT engine_execute expected=EXPORT engine_execute@@DEVICE_1.0 |
## 本批实际收尾事实(2026-10-17)
现行状态:ADMITTED;本节取代制作阶段的待验证状态。版本1,task digest `3af4e1355866c2b2b26044a3f9e6e8e979695816cb7c145e63d9ab61293ee39a`。最终Docker校准 `/home/ming01.wang/embedded-rollout/runs/20261016-C-embedded-3-calibration/build/calibration-992ada29bae04a5fa8c736dba2dea6c6`,40/40符合预期、cleanup confirmed;host仅条件读grader5次可读gold正对照PASS而整体如实FAIL,其他35项符合。
最终身份真实试采:PASS;工具28次、411.438秒、证据VERIFIED、exit0、cleanup confirmed,独立重判一致及标准归档,controller `/home/ming01.wang/embedded-rollout/runs/20261016-C-embedded-3/pi-9574e039660642a2a65929a6c3992db7`。
全批当前33次尝试:18个最终身份完整(17PASS/1FAIL)、2条旧题面歧义完整轨迹保留排除、13条上游429基础设施故障保留排除;另2个v2最终身份闸门3待补。完整轨迹20次独立重判一致,20个标准归档由独立只读审阅核对。闸门4未做,不据一次采样正式分池。费用unknown;Salty上传/下载复核因本机无可用入口BLOCKED。
本批证据已复制至 `/mnt/data/ming01.wang/embedded-rollout` 下同名factory/runs/artifacts并完成逐文件核对;原五根及两次追加恢复的命名热根均已删除。恢复控制日志仅封存明确前缀,命名目录已清理;活动FD仍可能占空间。操作事实以migration-evidence为准。原回执不改写;新增试采可直接引用冷端校准路径。任务指标、每个负例机制及恢复命令见冷factory/20261016-C-embedded-3/final-report.md与resume-commands.md。
31次截止报告保持冻结;第32、33次追加恢复的最新汇总及20题表见冷端 runs/20261016-C-embedded-3-recovery-20261016T1605Z/supplement-report.md 与 latest-table.md,上一份32次截止报告另存同冷runs的20261016-C-embedded-3-recovery-20261016T1118Z。追加迁移事实以原冷factory/migration-evidence内late-recovery-migration及midnight-recovery-migration回执为准。