Codex 69521e54e0 Add 15 embedded repair tasks and correct grader-read controls
Complete batch 20261016-C-embedded-2: 45 verified GLM/Pi samples, independent regrades and archives; preserve difficulty misses and Salty blockage.
2026-10-16 14:23:48 +08:00

13 KiB
Raw Blame History

任务规格:hal-dma-callback

规范:任务制作规范。本文件为作者受保护资产,不进入Agent。

1. 身份与来源

字段 记录
task-id/version hal-dma-callback / 1
作者 / 业务 / 独立评审 Codex hal / 用户本批BRIEF / 根Agent已签署批准
审核状态 ADMITTED;3/3完整PASS,独立重判与标准归档闭环;仅回归候选
原项目/冻结版本 本批原创C11工程;身份见最终校准task_digest
路线/来源ID C 原创 / original/dma-callback
来源与授权 用户20261016-C-embedded-2明确要求peripheral-hal五题
隐私处理 无真实会话、第三方源码、个人数据或凭据
替身测试 software:全部软件故障在控制寄存器/回调输入后仍可复现
split key/来源组 hal-dma-callback / original-hal-20261016
根因族 描述符边界、部分进度与缓存区间、token过期、取消/错误失效、完成释放、活动准入
与已有题关系 独立问题,非参数mutation;前三I2C/SPI/IRQ已冻结,不回改
验证范围 C模块生命周期、桩调用顺序、进度、回调、统计
未验证范围 电气/真实板卡、硬件DMA缓存一致性、线程/ISR并发与硬实时

本题为原创模拟症状,不声称真实现场故障。前三真实试采均3/3(根report),触发本批 强制加码后才开始本题工程。源码1002行、候选364行、10处实质缺陷, 相对前三654/601/621源码、241/161/177候选与4/5/4缺陷明显扩大;不是注释/格式填充。 10处跨三个候选模块,逐处gold仅重引入该缺陷的独立探针均有实际行为差异。

2. 初态与环境

源码文件/行数:{"driver.c": 126, "completion.c": 101, "lab.h": 101, "descriptor.c": 137, "harness.c": 83, "input.c": 158, "registers.c": 76, "input.h": 25, "traffic.c": 195}。 候选文件/行数:{"driver.c": 126, "descriptor.c": 137, "completion.c": 101}。 gold/template ndiff +16/-11,总27行;SequenceMatcher逐块max保守19行。 完整初态含头文件、驱动模块、寄存器桩、harness、有界输入解析、traffic输入生成器、 Makefile和README。输入解析实际用于两后续工程,traffic编译并生成边界/错误/多步调试流, 不包含期望值或断言。所有资产原创;不适用回放/补全分类。

公开:template全部工程、题面与自测;私有:check.py/cases.json、样例与spec。 verify逐字复制rollout/bos_verify.py;同族五题check逐字相同且冻结SHA256 1d1ecd9a5109d3c2dcb6a9fc2530bce9c711af9e59833a6bcdf3348f9cd13dd1。 cases.json保存原样只读上下文、输入和候选名;不将隐藏测试交给候选进程。 环境trace5 Linux/Python3/gcc C11,仅标准库,无硬件/下载/网络依赖。 镜像固定ccr-29eug8s3-pub.cnc.bj.baidubce.com/algo/bench-runtime@sha256:aa5d00779fe03e9eadbf29c030711a4ecd1e5f894255868b5ca451a425299efc, 实际image/task/verifier/manifest摘要见正式receipt。评分1CPU/512MiB、构建20秒/执行10秒/ 总120秒;Agent1CPU/2GiB、3600秒防挂死,模型费用未知,不设轮数上限。

3. 公开题面与接口

prompt.md与template/README一致,P1–P5按工程/数据生命周期/事件/恢复/自测组织。 构建argv ["make","-s"],正常0;程序["./hal-demo"],有效输入退出0、无效输入2。 所有命令字段/范围、事件与状态、错误优先级、计数、取消/复位、EOF行为均已公开。 只能冻结task.json列出的三个候选文件,其余上下文原样重建,不读取新增文件或旧二进制。 仅要求公开可观察行为,不要求唯一补丁、算法或函数内部写法。

4. 验收矩阵与合法解

缺陷/检查 公开条款原文位置 独立场景
segment-boundary P2“chunk=min(7,length-offset)” 8字节首描述符必须为7
partial-progress P3“offset+=amount…包括部分完成” 14字节先完成2,新offset2
cache-span P3“CACHE(完成前offset,amount)” 7字节描述符仅完成2,不能维护7
stale-token P3“不匹配…只stale加1” token1完成后新token2,再D1
cancel-generation P4“全局token加1…下一次Q继续…” 取消后token应失效
zero-completion P3“amount=0…失败” 匹配token但完成0字节
hardware-error P3“error非零…失败” 匹配token且error19
error-generation P3“再将全局token加1使…失效” 错误后token必须增加
completion-release P3“清空活动身份与offset/chunk” 长度1正常完成,不能仍active
inflight-admission P2“当前有活动请求时任何Q都拒绝” 未有完成进度时再次Q

其他回归覆盖:1/2/6/7/8/13/14/15/31/63/64字节、全量/部分完成、旧token重复/取消/错误后跨请求重用、过期事件带异常amount/error、非法id/长度、零/过量完成、200轮固定种子混合生命周期、未完成EOF。 所有比较是精确整数与原始序列,输入来自固定种子/显式边界,没有精度陷阱。 期望由共享check的独立Python协议模型复算,未调用gold获得答案。 valid_remaining用完成前remaining与amount直接分支,删除gold的transfer_finished/continue_or_finish辅助控制流,保持相同缓存/推进顺序。

check只在子进程编译/运行候选。harness与寄存器桩只观察,不含期望/断言。 所有共享scratch读写、源复制和构建在候选运行前完成;之后只处理捕获stdout/stderr, 不访问/清理scratch。正式wrapper将编译器和候选降65534并清组,grader root0700/0600, 无网;主动权限探针与条件read-grader共同复核隔离,历史答案/正式判据不挂载给Agent。 wrapper统一JSON状态与checks、退出0/1/2/2;缺依赖/隔离失效不能冒充PASS。

5. 样例与校准

8类各5次。gold和结构不同valid预期PASS,template/noop/cheat/read-grader及两种仅修 一个缺陷的fixture正式Docker预期FAIL。各样例仅含candidate_files,全部实际成功编译。 noop忽略提交,cheat伪造WRITE字节或缓存offset;隐藏运行时字节/多段offset使其失败。 read-grader先真实读取判据,任一路可读才执行完整gold;全拒读才无功能,并记录stderr。 可信本地无UID隔离,其read-grader 5/5读到gold而PASS时整体FAIL如实保留,不能授权采样。 正式Docker必须40/40预期一致、整体PASS、cleanup confirmed才准入。

命令python3 -m rollout calibrate tasks/hal-dma-callback --trusted-local --output runs/20261016-C-embedded-2-dev; Docker改用上方固定--image、输出runs/20261016-C-embedded-2-calibration。 最终回执/身份、条件读grader正反对照和每种负例首个机制见hal/calibrations.json。 独立逐缺陷探针见hal/focus-larger-results.json(本题10个);只修一处fixture另见正式校准。

6. 真实试采与证据

本题真实试采已完成:3/3完整PASS,原生轨迹均VERIFIED、controller与评分cleanup均confirmed;3次独立重判全部与原判一致,3份标准rollout.archive归档的manifest、候选/公开题面绑定及文件SHA均已核验。工具调用按native tool_execution_end计数,中位数为29。

根统一配置为GLM-5.3(model_id=glm-5.3、openai-completions、max_tokens=131072、service-default采样)、Pi0.73.1、固定trace5镜像digest aa5d00779fe03e9eadbf29c030711a4ecd1e5f894255868b5ca451a425299efc,Agent防挂死3600秒、全批最多4路并发。仅软件过程/受控替身验证,没有实板、电气、真实硬件时序或硬件通过声明;费用缺字段仍记unknown。

controller 工具调用 独立重判 标准归档
pi-22b730b42f8e4913ac6ce038db29660d 24 PASS,一致 manifest/SHA已核验
pi-670bb835de3c435fa7156bd5742f9e2e 35 PASS,一致 manifest/SHA已核验
pi-808bd6bcb25947e292b8a11673c1c483 29 PASS,一致 manifest/SHA已核验

本表由rollout.report.report和只读verify_chain逐条核对;原始证据及归档摘要索引在factory/20261016-C-embedded-2/postprocess/.json。本题最终root批准依据为批次独立审阅,以及2026-10-16本次根agent明确授权将HAL5+FW5私有spec按制作规范§9收尾为ADMITTED;评分冻结身份未变。

每题仅3次同配置试采,所以当前为“回归候选”;尚未达到闸门4每题至少5次的正式难度分池门槛,不登记为正式回归集或主采集池。既有缺陷表、修正历史和静态覆盖限制继续有效。

Salty状态BLOCKED:当前无可用Salty CLI/tool入口,未完成上传/下载摘要核对;目标仍为personal:/embedded-rollout。本地标准归档完成不代表Salty持久上传完成。全量冻结评分实测记录为tests-final-after15.log:75运行、74PASS、1SKIP(host缺Node),Docker隔离实测PASS;calibration-audit-final.json为15题600次Docker和600次host、75拒读/75可读gold对照,package-audit-final.json为20题全PASS。本次仅收尾私有spec,没有重跑候选。

controller、网络、代理、Agent和评分回执cleanup均confirmed。根已按作者证明精确删除1757个scratch根,事实见删除回执,不是本题新增清理动作。冷迁目标为 /mnt/data/ming01.wang/embedded-rollout;最终冷迁与commit结果仅以该冷目录的 factory/20261016-C-embedded-2/migration-evidence/completion.json 为准,本规格不提前宣称已迁移或已提交。

7. 评审与准入

作者核对完整工程、公开合同、独立oracle与合法替代解;逐缺陷独立探针10/10均成功构建, 按对应目标行为FAIL,不以编译错误充数。两种只修一处fixture亦按行为失败。 正式校准、根独立审阅、真实3/3试采及重判/标准归档已闭环,根最终批准ADMITTED;冷迁与提交事实仍以§6指定completion.json为准。 任何冻结身份变化都须重新校准;前三已准入任务保持冻结不回改。

2026-10-16 最终冻结校准

Docker /home/ming01.wang/embedded-rollout/runs/20261016-C-embedded-2-calibration/calibration-5daac41eb0de45bebc76cce0a680f5ec,40/40符合预期、整体PASS、cleanup confirmed。task_digest 8484ed5fc7c91d109ce0efc0a957c5d66507b1ee05787ac38daaea4687c36465。可信本地整体FAIL仅条件read-grader读到判据运行gold的5次PASS;正式Docker该样例5/5拒读并行为FAIL。其余35次每后端均符合预期。

FAIL样例 正式trial1首个真实机制
template observation 6 mismatch: got S 3 71 1 0 0 1 0 0 0 0; expected S 3 0 1 0 0 1 0 0 0 0
noop observation 2 mismatch: got S 2 0 0 0 0 0 0 0 0 0; expected E 2 PROGRAM 1 1
cheat observation 27 mismatch: got E 15 CACHE 0 1; expected E 15 CACHE 2 1
cheat_read_grader observation 2 mismatch: got S 2 0 0 0 0 0 0 0 0 0; expected E 2 PROGRAM 1 1
cheat_segment_only observation 6 mismatch: got S 3 71 1 0 0 1 0 0 0 0; expected S 3 0 1 0 0 1 0 0 0 0
cheat_stale_only observation 6 mismatch: got S 3 71 1 0 0 1 0 0 0 0; expected S 3 0 1 0 0 1 0 0 0 0
单缺陷重引入探针 实际首个差异
segment-boundary [1, 'E 1 PROGRAM 1 8', 'E 1 PROGRAM 1 7']
partial-progress [4, 'E 2 PROGRAM 2 1799', 'E 2 PROGRAM 2 519']
cache-span [3, 'E 2 CACHE 0 7', 'E 2 CACHE 0 2']
stale-token [6, 'E 3 CACHE 7 1', 'S 3 1 2 7 7 0 0 0 0 1']
cancel-generation [5, 'S 2 0 1 0 0 0 1 0 0 0', 'S 2 0 2 0 0 0 1 0 0 0']
zero-completion [3, 'E 2 CACHE 0 0', 'E 2 ABORT 1 0']
hardware-error [3, 'E 2 CACHE 0 2', 'E 2 ABORT 1 0']
error-generation [5, 'S 2 0 1 0 0 0 0 1 0 0', 'S 2 0 2 0 0 0 0 1 0 0']
completion-release [5, 'S 2 1 1 0 0 1 0 0 0 0', 'S 2 0 1 0 0 1 0 0 0 0']
inflight-admission [3, 'E 2 PROGRAM 2 1', 'E 2 REJECT 2 0']

根已完成公开合同/gold/harness、最终core身份审核和3次真实采样,并在重判/标准归档闭环后批准ADMITTED。前三3×3/3触发加码事实及冻结历史保持不变。

最终准入核对(2026-10-16)

  • 正式Docker校准与根独立审阅通过,最终批准依据见§6及批次review.md。
  • 3/3真实Pi完整PASS,原生轨迹VERIFIED、cleanup confirmed。
  • 3次独立重判一致,3份标准归档manifest/SHA核验闭环。
  • 闸门4正式难度分池:当前3次不足每题≥5次,仅回归候选。
  • Salty上传/下载摘要核对:BLOCKED,CLI/tool无入口。