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

156 lines
13 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.

# 任务规格:hal-dma-callback
规范:[任务制作规范](../../docs/task-authoring.md)。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](../../runs/20261016-C-embedded-2/pi-22b730b42f8e4913ac6ce038db29660d/receipt.json) | 24 | [PASS,一致](../../runs/20261016-C-embedded-2/regrade/regrade-c33ad795c7e84b6cb5d8f5f91ae77859/receipt.json) | [manifest/SHA已核验](../../artifacts/20261016-C-embedded-2/pi-22b730b42f8e4913ac6ce038db29660d.tar.gz) |
| [pi-670bb835de3c435fa7156bd5742f9e2e](../../runs/20261016-C-embedded-2/pi-670bb835de3c435fa7156bd5742f9e2e/receipt.json) | 35 | [PASS,一致](../../runs/20261016-C-embedded-2/regrade/regrade-abcba257bc6a496b89873f905b48140e/receipt.json) | [manifest/SHA已核验](../../artifacts/20261016-C-embedded-2/pi-670bb835de3c435fa7156bd5742f9e2e.tar.gz) |
| [pi-808bd6bcb25947e292b8a11673c1c483](../../runs/20261016-C-embedded-2/pi-808bd6bcb25947e292b8a11673c1c483/receipt.json) | 29 | [PASS,一致](../../runs/20261016-C-embedded-2/regrade/regrade-646e8a5f7c004f958fa47f4ecb2e389f/receipt.json) | [manifest/SHA已核验](../../artifacts/20261016-C-embedded-2/pi-808bd6bcb25947e292b8a11673c1c483.tar.gz) |
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/<controller>.json。本题最终root批准依据为[批次独立审阅](../../factory/20261016-C-embedded-2/review.md),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](../../factory/20261016-C-embedded-2/abi/scratch-cleanup-final-deleted.jsonl),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)
- [x] 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。
- [x] 3/3真实Pi完整PASS,原生轨迹VERIFIED、cleanup confirmed。
- [x] 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。