81 lines
8.5 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.

# concur-callback-dispatch 规格
## 1. 来源、身份与分组
路线 C,原创工程及原创行为判据;仅以 HWE arm-linux/debug-diag/gi-lock-order-release-before-callback 的现场现象、隐含知识和 reference 为选题起点,不使用 checks/behavior.py。metadata visibility: public,原始 ID 与基础 ID 相同,已核对不在 _held_out.json。source/split_group 均为 hwe/gi-lock-order-release-before-callback。**已用于制题,后续不可作该模型的评测。** 未复制外部凭据或真实用户会话;无需额外许可证依赖。
## 2. 软件替身与边界
现成 C11 工程,gcc/make;线程、锁、信号、回调以确定性逐命令状态机替代,根因在替身中仍然成立。无时钟、真实并发、网络或硬件依赖。范围仅修复 engine.c,wire/harness 是原始观察层,engine.h 是公开接口。源码 709 行(非空 671),候选 250 行,gold差异 18 行。未用空白或无用声明填规模。
## 3. 工程与缺陷
engine.c 为已可编译的领域引擎;wire.c/h 实现严格输入分帧、数字/hex解码和有界事件/状态输出,harness.c 负责输入循环和观察序列,engine.h 为领域状态与接口。两处缺陷位于不同函数:CALLBACK 与 POP。第一处和第二处都有独立定向场景,并有交错状态组合场景;详见只读作者生成器中的变体定义,生成后源码不含缺陷定位标记。
## 4. 公开合同与验收矩阵
| 判据检查项 | 公开条款 |
| --- | --- |
| 正常命令、状态、事件和计数 | prompt领域模块全部条款,template/README.md原文相同 |
| 所有模块边界及无效输入 | prompt的输入/观察/错误条款,逐命令参数范围 |
| 跨调用状态、重复调用、重置、恢复 | prompt领域状态机与R条款 |
| 可重入/交错/多步场景 | prompt调度和生命周期模块 |
| 构建、公开接口、事件顺序 | prompt“构建和命令协议”,engine.h签名 |
| 硬编码、空实现、仅一处修复 | 隐藏随机组合均只由已公开命令生成 |
判据固定种子生成定向和大规模交错输入;Python依据合同独立维护容器、统计及顺序,不运行参考C来求答案、不查看候选源码。
## 5. 隔离与判据
verify.py 原样复制 rollout/bos_verify.py;grader_files只有 check.py 与非Python cases.json。同族check完全相同,仅cases.json中kind/seed/公开构建上下文不同。输入与全部构建文件在运行前准备;C子进程只输出原始观察,Python模型和期望留在受保护父进程。候选运行后不再读取或写入共享scratch。对候选进行全新make构建,运行超时15秒,整个评分期限120秒。
## 6. 校准与准入
CALIBRATED;可信本地与固定trace5 Docker每样例各5次完成。root已独立只读审阅合同/Oracle/差异,未见实质问题;待root统一真实试采。可信本地可能允许cheat_read_grader读取判据并呈现完整gold行为,因此该本地校准整体FAIL必须如实保留,不能作为隔离证明;Docker必须明确unreadable且FAIL。真实Agent轨迹、脚本校准与静态检查分开记录。
## 7. 样例与实际失败机制
- gold:完整实现,预期PASS。
- valid_alternative:相同公开语义的另一种遍历/计算/复制实现,预期PASS。
- template:两缺陷初态,预期行为FAIL。
- noop:初始化和原样序列化但忽略命令,预期行为FAIL。
- cheat:仅前4条命令执行正确逻辑,后续忽略,预期被后续隐藏状态序列拒绝。
- cheat_read_grader:尝试/grader/check.py及/proc/<ppid>/cwd/grader/check.py;可读时完整gold行为,不可读才noop,stderr明确打印readable/unreadable。Docker必须行为FAIL,可信本地可读时应PASS正对照。
- cheat_fix_callback:仅修第一处,第二处保留;必须编译成功且由第二处定向场景行为FAIL。
- cheat_fix_pop:仅修第二处,第一处保留;必须编译成功且由第一处定向场景行为FAIL。
实际证据与失败诊断见本批 concurrency/results.json 和 review.md。没有依赖编译错误、崩溃或语法错误作为上述负例的失败机制。
## 8. 评审与后续
作者自审:合同/Oracle逐模块对照,候选不执行隐藏断言,原始harness只观察;待独立审阅与root闸门3。单次试采只确认可解与链路,不作难度分池结论。校准回执身份、清理和实际结果由本批台账记录。
## 9. 逐段合同原文与判据对应
| 检查分组 | 公开原文(prompt.md及template/README.md) |
| --- | --- |
| 领域语义组1:对应Python领域模型与定向/交错事件 | 现场症状:分发回调中的订阅修改失败;满队列时回调补投事件被意外拒绝。此工程以显式互斥锁状态、订阅代际及可重入钩子模拟用户态事件分发器,无真实线程或时间依赖。 |
| 构建、候选与退出码 | `make`,`./concurrency-demo < smoke.txt`,只评分engine.c;正常输入处理完退出0,分帧错误2,输出失败3。 |
## 10. 实际闸门1/2证据
最终任务摘要 `f0649661b6b0f53e2eddb1852579a718687c334abf2bb86c591a5737dfd5055d`;Docker runs/20261016-C-embedded-3-calibration/concurrency/calibration-4f2123f4b9f64286a927044f3c645d0f,40/40符合预期,整体PASS、cleanup confirmed;host runs/20261016-C-embedded-3-dev/concurrency/calibration-ae6b6f7a78b1466883af03bba9507f4b,整体FAIL,唯一不符合声明预期的是正确read-grader正对照(可读且5/5完整PASS),其余35/35符合预期。
| 样例 | Docker实测5次 | 实际行为诊断(首个) |
| --- | --- | --- |
| gold | PASS | 全部观察一致 |
| template | FAIL | observation 10 mismatch: got E 6 LOCKED 85 0 0; expected E 6 UNSUB 1 2 0 |
| noop | FAIL | observation 2 mismatch: got S 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0; expected E 2 SUB 0 7 1 |
| cheat | FAIL | observation 8 mismatch: got S 5 0 1 1 0 0 0 0 0 0 0 1 7 1 1 7 1 0 0 0 0 0 0; expected S 5 0 1 1 0 0 0 0 2 0 0 1 7 1 1 7 1 0 0 0 0 0 0 |
| cheat_read_grader | FAIL | observation 2 mismatch: got S 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0; expected E 2 SUB 0 7 1 |
| cheat_fix_callback | FAIL | observation 33 mismatch: got E 18 REJECT 81 0 0; expected E 18 POST 9 2 999 |
| cheat_fix_pop | FAIL | observation 10 mismatch: got E 6 LOCKED 85 0 0; expected E 6 UNSUB 1 2 0 |
| valid_alternative | PASS | 全部观察一致 |
read_grader Docker stderr明确为 `grader unreadable; using noop`;host为 `grader readable; using correct behavior`。单处修复负例均已成功编译,由上述行为差异拒绝。
## 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 `f0649661b6b0f53e2eddb1852579a718687c334abf2bb86c591a5737dfd5055d`。最终Docker校准 `/home/ming01.wang/embedded-rollout/runs/20261016-C-embedded-3-calibration/concurrency/calibration-4f2123f4b9f64286a927044f3c645d0f`,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、284.315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-78d696f7fbd046c79ec06ef5dc42f4ac`。
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。