8.4 KiB
Raw Blame History

任务规格:diag-window-reader

1. 身份与来源

task-id/version:diag-window-reader / 1;作者 Codex;来源路线C,原创稀疏存储视图工程。HWE基础ID gi-intovf-offset-range;source/split为 hwe/gi-intovf-offset-range。材料为用户提供的本批只读 hwe/arm-linux/debug-diag/gi-intovf-offset-range,已读metadata、prompt和reference/solution_fixed.c;metadata public,材料审计确认基础ID及任一变体未入held_out,不在既有20个基础ID中。该 HWE 用例已用于制题,后续不可再用于评测。 无用户内容、凭据或授权不明素材。

知识点:逻辑存储窗口的整数范围与采样长度计算。把HWE off+len 回绕绕过上限的原始缺陷,原样逻辑植入range.c,并扩写到跨session调用的批量采样乘积、嵌套视图与资源预算;不是只改参数打印字符串。缺陷1为加法先回绕再比较;缺陷2为count*width先回绕再验范围,需先建立有效view再读,是多步触发。两者跨函数和文件,单修样例分别仍FAIL。

替身测试software:存储字节按地址和seed计算,不分配巨大地址空间;所有算术与输入顺序确定,无网络、真实文件fd、偶发时序或板卡依赖。只验证无符号范围和业务资源状态,不声称真实MMU、DMA、硬件或实板通过。与本批wire题的对齐读取不同,根因是数学区间与32位算术结果的混淆。

2. 初态与环境

template含6个C源、1个头、Makefile、README、公开协议和现场输入。C/头602行,candidate range.c106行+session.c165行=271行;2个候选,gold相对template增删16行(range5+2,session8+1)。工程包括稀疏存储适配、预算、嵌套生命周期、命令解析、文本及JSON观察输出,所有代码离线构建。template成功编译、正常exit0,但错误接受公开的越界view;不存在靠构建失败、越界实际访存、崩溃或超时制造负例。

trace5 ccr-29eug8s3-pub.cnc.bj.baidubce.com/algo/bench-runtime@sha256:aa5d00779fe03e9eadbf29c030711a4ecd1e5f894255868b5ca451a425299efc,实际image ID相同。C11/gcc/make/Python标准库;工作2GiB/1CPU、grade512MiB/1CPU;grade120秒、编译30秒、两个输出模式各15秒,固定输入实际远低于期限。无新增依赖或平台修改。

公开资产为template和prompt;私有check.py、cases.json、gold、spec不进入Agent。verify逐字复制bos_verify;check先在内存独立复算全部预期,写完只读工程与候选后构建,然后才启动候选。候选只输出业务观察,文本/JSON harness没有隐藏输入、断言或预期值;父进程在候选运行后只检查捕获结果,不读写共享scratch。普通stderr日志仅进入私有日志,不作为失败依据。全部子进程由正式包装器降为65534。

3. 题面与公开接口

prompt只有交接现象、日志、离线复现入口和最终提交两文件,没有知识点、函数定位或逐条修复清单。README按真实工具介绍用途/构建/模块/输入;正确行为的项目约定在公开docs中,不藏在判据。make构建,./window-reader < examples/field.txt回放,--json提供同一状态的JSON表示,--help列命令。只冻结range.c和session.c。

4. 判据检查项 ↔ 依据

检查项 依据来源 方法与场景
构建/进程/输入语法 template/README.md:8;:13;template/input.c:35 固定argv重建;u32、0x与坏token;语法错不变状态
数学范围及空边界 template/docs/window-protocol.md:3;C11 6.2.5 p9定义unsigned运算 0/1/cap/cap-1/UINT32_MAX、加法回绕组合
slot选择/唯一ID/预算 template/docs/window-protocol.md:8 独立Python状态模型、8个slot及预算检查
open与多层slice template/docs/window-protocol.md:14 首空slot、父范围、子绝对地址、预算及错误后状态
完整采样extent/0与非零 template/docs/window-protocol.md:21 count*width用Python整数复算;各合法width、巨大count、端点读
preview数据与hash template/docs/window-protocol.md:25;:39 按地址和seed独立计算前64字节与FNV32
query/close/资源回收 template/docs/window-protocol.md:29 子窗口阻止父关闭、逆序释放、同ID/slot复用
拒绝的状态不变 template/docs/window-protocol.md:34 对比全部slot、计数和budget,错误仅增rejects
文本/JSON表示 template/docs/window-protocol.md:44;:49 文本逐字相等,JSON解析后结构/数值相等,允许键顺序不同

固定种子20261017042,共592条命令,包含公开现场、针对两处缺陷的独立序列、极值、空范围、生命周期、随机混合与语法回归。合法解可以用差值、扩大整数、除法预检等;无需与gold写法相同。隐藏输入组合不新增正确行为。

5. 样例与实际机制

样例 预期与实际失败机制
gold 安全差值范围+64位采样extent,PASS
template 公开第3命令错误接受origin=UINT32_MAX,length2,rc/reserved/slot不符,FAIL
noop Z不更新seed与返回字段,第一观察即不符,FAIL
cheat 输出PASS代替观察,第一行不符,FAIL
cheat_read_grader 读到判据才gold;读不到写unreadable并空结果,在O快照上FAIL;host可读gold/PASS为正对照
cheat_fix_bounds_only 开窗已修;第9命令count=1073741824,width4乘积回绕0,被错误接受且reads增加,FAIL
cheat_fix_product_only 批读已修;公开第3命令仍错误接受越界开窗,FAIL
cheat_mask_report 只拒绝offset==UINT32_MAX,公开脚本与gold同stdout;变体采样乘积及UINT32_MAX-1开窗仍错,FAIL
valid_division 范围用64位终点,count用length/width预检,PASS

公开mask证据:factory本批wire-window/window-public-mask-proof.json,三者真实编译与执行,template exit0却与gold不同,mask公开脚本逐字节等于gold,stderr为空。正式负例均构建成功后按业务观察FAIL。

host runs/20261016-C-embedded-4-dev/window/calibration-e4e9d7d832e346aea06e473bb8d814fe:9类各5次,除read_grader可读gold正对照PASS×5外40项符合;整体如实FAIL、cleanup confirmed。Docker runs/20261016-C-embedded-4-calibration/window/calibration-b0511a3fcfbf4f08bd0704f4eb8f2d32:45/45符合、整体PASS、cleanup confirmed;task digest见对应receipt及本批window-fixture-results.json,尚未据此宣称闸门3通过。

6. 试采、评审与限制

当前CALIBRATED;作者未启动模型。待root独立审阅及统一Qwen/Pi0.73.1每题3次、2路、3600秒试采。未有完整轨迹前不能ADMITTED,3次试采也不是每题≥5次的闸门4分池。成功率目标只按真实结果报告,不修改题目凑数。

作者自审已核对来源、公开依据、合法替代解、单修/掩盖症状负例、候选隔离和编译成功。独立审阅待root安排;如改变task身份须重新校准。归档/重判/原生证据/冷迁由root统一完成。无模型训练、权重、网络或硬件声明。制作中JSON生成器一度在README定义前追加内容而KeyError,未产生新任务身份或运行;已修正,事实保留于本批工具日志。

2026-10-17 续作最终准入

本节取代上方待执行状态;原开发和校准事实保留。审核状态 ADMITTED,独立只读审阅通过,当前正式校准45/45符合预期。Qwen qwen3.8-27b-nvfp4 / Pi 0.73.1 三次有效尝试均 PASS,工具调用数为 20、22、19(中位 20)。每次正常exit 0、原生证据VERIFIED、cleanup confirmed;三份冻结候选在新容器独立重判全部一致,标准archive逐成员/白名单/字节及SHA-256核验通过。身份不变,未为调整通过率修改任务或重抽。

控制器:/home/ming01.wang/embedded-rollout/runs/20261016-C-embedded-4/pilot-resume/pi-31871fbf2f6c4346b752d3a3f17dad43;/home/ming01.wang/embedded-rollout/runs/20261016-C-embedded-4/pilot-resume/pi-5e798b9d6a1e4eea92dac789e68b8dc9;/home/ming01.wang/embedded-rollout/runs/20261016-C-embedded-4/pilot-resume/pi-894a54e2ef324a4da8e3e6aa7d5d1708。报告、重判与归档索引见本批 factory/20261016-C-embedded-4/phase3-summary.json 及 postprocess/;归档位于 artifacts/20261016-C-embedded-4/。五题总体15/15 PASS(100%),未达到30%–70%目标,仅标回归候选;三次不构成闸门4。Salty因本机缺少可用CLI未上传,不能把本地封存或冷迁称为云端发布。未做硬件验证。