8.6 KiB
concur-reentrant-parser 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/dbg-gdb-strtok-reentrant 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/dbg-gdb-strtok-reentrant。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 697 行(非空 659),候选 245 行,gold差异 26 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:CURSOR 与 DECIMAL。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//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_cursor: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_decimal: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:日志汇聚器在两个输入会话交错取记录后出现漏行;带损坏字段的记录也被计入总数。要求保留每个会话的独立进度,不依赖全局 tokenizer 状态。单线程命令序列就是可重入调用的确定性调度。 |
| 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 8fcccd089af648ec29b94e21dbf41161356fd19211aabf1d5daa980ac60fa4f9;Docker runs/20261016-C-embedded-3-calibration/concurrency/calibration-12df081f74454fc0995b11949892a8a0,40/40符合预期,整体PASS、cleanup confirmed;host runs/20261016-C-embedded-3-dev/concurrency/calibration-3ad0eb34ea1042efbf9335bf165a08ec,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 ROW 0 1 2; expected E 6 ROW 0 2 7 |
| 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 0 0 0 0 0 0 0 0 0 0 0 0; expected E 2 OPEN 0 9 0 |
| cheat | FAIL | observation 8 mismatch: got S 5 2 0 0 1 0 3 1 9 4 0 1 0 3 1 6 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0; expected E 5 ROW 1 1 8 |
| 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 0 0 0 0 0 0 0 0 0 0 0 0; expected E 2 OPEN 0 9 0 |
| cheat_fix_cursor | FAIL | observation 21 mismatch: got E 12 ROW 0 2 15; expected E 12 BAD 0 2 0 |
| cheat_fix_decimal | FAIL | observation 10 mismatch: got E 6 ROW 0 1 2; expected E 6 ROW 0 2 7 |
| 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 8fcccd089af648ec29b94e21dbf41161356fd19211aabf1d5daa980ac60fa4f9。最终Docker校准 /home/ming01.wang/embedded-rollout/runs/20261016-C-embedded-3-calibration/concurrency/calibration-12df081f74454fc0995b11949892a8a0,40/40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22次、225.751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-aa2b5248fb3d479ea7b27e8213558ac9。
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。