12 KiB
任务规格:mem-zero-copy-ring
1. 身份与来源
- task-id/version:mem-zero-copy-ring / 2;作者:Codex memory agent;来源路线C,原创扩写工程,不声称复现真实现场。
- 来源:
factory/20261016-C-embedded-3/hwe/arm-linux/debug-diag/gi-uaf-write-after-free-ring,已读prompt、metadata和reference/solution_fixed.c;未使用checks/behavior.py。metadata visibility=public,基础ID不在_held_out.json。材料由本批用户授权提供。 - source与split分组键均为
hwe/gi-uaf-write-after-free-ring,本基础ID本批只生成一道。已用于制题,后续不可作该模型的评测。无用户内容或凭据。 - 来源知识点扩写为“零拷贝对象池与环形队列”;与已有hal-dma题的事务回调不同,此题验证内存资源模型。替身测试结论software:所有故障均由明确数据/事件顺序触发,不依赖硬件、时序、偶发竞争或C未定义行为。
2. 初态与环境
- template包含command.h、model.h、input.c、observation.c、harness.c、layout.c、model.c、policy.c、Makefile、README.md。工程源码684行(非空649),候选{'model.c': 136, 'policy.c': 56},gold/template增删21行。候选中2处缺陷分布于至少两个函数(见第5节),至少一次需要跨命令生命周期或回绕。
- 公开资产为template全部与prompt;私有check.py和cases.json、gold与spec不得进入Agent。运行前冻结候选,用cases.json内只读上下文重建,无运行后共享scratch访问。
- trace5固定镜像
ccr-29eug8s3-pub.cnc.bj.baidubce.com/algo/bench-runtime@sha256:aa5d00779fe03e9eadbf29c030711a4ecd1e5f894255868b5ca451a425299efc;actual image ID见本批校准manifest。Python3与gcc/make,C11标准库,无外部依赖、网络、系统修改、硬件。评分期限120秒,构建20秒、候选10秒;工作容器2GiB/1CPU、评分512MiB/1CPU。
3. 公开题面与接口
prompt及README按模块给出现场症状、P1构建/输入、P2–P4完整行为、P5观察接口。C接口见model.h;模型正常输出由只读harness/layout序列化。最终只评分model.c与policy.c。题面无定位、根因或补丁。
4. 验收矩阵与合法解
| 判据检查项 | 公开条款位置 | 判据方式 |
|---|---|---|
| 完整工程重新构建与退出码 | prompt P1 | 独立scratch make;进程returncode |
| 分配/写入/发布等正常与最大边界 | prompt P2 | Python独立状态模型逐命令复算 |
| 失败/生命周期/获取与复用 | prompt P3 | 各缺陷独立序列+多步组合+固定种子随机混合 |
| 读取、拒绝与资源不变 | prompt P4 | 原始结果与完整状态逐字段比较 |
| 全部快照与stdout格式 | prompt P5及layout.c | 独立Python序列化逐行比较 |
合法实现可使用不同搜索、释放、复制、索引算法,只要求公开接口、结果和观察字段行为相同。valid_alternative使用不同实现(非字节相同gold)。harness只观察,不含断言或期望;Python oracle独立复算,不运行gold来生成期望。数据仅有输入和只读工程,无oracle答案。固定种子20261949、299条输入。
5. 样例与校准
| 样例 | 预期 | 设计失败机制 |
|---|---|---|
| gold | PASS | 完整正确模型 |
| template | FAIL | 两处目标缺陷 |
| noop | FAIL | 每次保持空状态,缺业务行为 |
| cheat | FAIL | 向stdout打印PASS伪造成功,观察流出现额外行 |
| cheat_read_grader | FAIL(Docker) | 能读grader则完整gold行为,只有拒读才空模型并stderr grader unreadable;host无隔离可读PASS是正对照 |
| cheat_fix_1_only | FAIL | 仅修复第一处,第二处独立序列仍失败 |
| cheat_fix_2_only | FAIL | 仅修复第二处,第一处独立序列仍失败 |
| valid_alternative | PASS | 替代合法算法 |
- 缺陷1:object_t *object = &state->objects[slot]; / object->refs++; / state->ring[tail] = slot + 1u; / state->count++;
- 缺陷2:unsigned retained[RING_CAPACITY]; / unsigned retained_count = 0u; / for (index = 0u; index < state->count; index++) { / if (index == position) { / continue; / } / physical = (state->head + index) % RING_CAPACITY; / retained[retained_count] = state->ring[physical]; / retained_count++; / } / for (index = 0u; index < RING_CAPACITY; index++) { / state->ring[index] = 0u; / } / for (index = 0u; index < retained_count; index++) { / physical = (state->head + index) % RING_CAPACITY; / state->ring[physical] = retained[index]; / }
- 闸门1/2各样例5次;实际路径、失败机制和状态待校准追加。host不能证明不可信隔离,若read-grader可读导致整体FAIL如实保留,不更改fixture。Docker整体必须PASS才可采样。
6. 真实试采与证据
由root统一运行GLM-5.3/Pi每题1次,3600秒防挂死;完整证据、task verdict与工具数待root补充。单次试采不作难度分池;板卡、真实cache/mmap/DMA不验证。归档迁移与资源清理由root统一核对。
7. 评审与准入
状态 APPROVED_FOR_PILOT(v2):公开合同已消歧,v2已完成重新校准;v1轨迹仍按PROMPT_AMBIGUITY排除,待root补v2真实试采。每类负例须编译成功并按预期行为失败,实际机制写入族台账;不能以构建失败作为负例证据。原样verify.py负责Docker降权与/grader探针,check只执行子进程,不import/ctypes候选。输入和全部构建在候选运行前准备,之后仅读取subprocess内存回执;无运行后共享目录I/O。
2026-10-16 v1 校准与只读评审(保留历史)
- trace5 Docker
runs/20261016-C-embedded-3-calibration/memory/calibration-385c1e7f0cd94eeca4cffb8ee6325f5a:8类各5次,共40/40符合预期,整体PASS,cleanup confirmed;task digestf462ae07c8e75376bc45d0ffd7ae9fb691daad450f13cc22c7643cbf06b10d3a。 - host
runs/20261016-C-embedded-3-dev/memory/calibration-af8b9ccb982a4bdd9cc11e09065ccf43:35/40符合fixture声明;cheat_read_grader可读父进程grader后完整正确行为PASS×5,是隔离缺失正对照,整体如实FAIL,不能作为Docker准入。 - 独立只读评审:build agent核对五题合同、gold、共享oracle、harness、readonly一致性、partial与read_grader分支,未发现实质问题;root另行核对。各负例实际失败机制和原始回执见本批memory/failure-mechanisms.json。
v1 真实失败与公开合同修订(PROMPT_AMBIGUITY)
- v1 controller:
runs/20261016-C-embedded-3/pi-737ac33129df4b37a889305287f79505,底层attemptrun-3ac602917daa49e2bac7eebe8b9ca402。独立task verdict FAIL,第一处差异在A分配后的object.value:候选存槽号0,oracle期望输入负载219。v1完整轨迹和标准归档由root保留,不覆盖、不改写原证据;归类 PROMPT_AMBIGUITY,排除于有效题面身份成功率/模型能力统计。 - 因果证据:候选已正确修复Q增加引用及回绕取消,但把
object->value = value额外改成(unsigned)slot。Agent最终解释明确引用v1 P2“value=零基槽号”,认为输入value只需校验,object.value和result.value均存槽号;不是无解释的猜测。 - 独立复核:memory作者与root均认为v1同句value同时指输入与响应,没有明确object.value必须保存输入;P3“对象值”和P5“结果字段”未充分消除歧义。
- v2仅改prompt/README:明确
A id payload的输入负载、object.value=payload、result.value=零基槽号及result.detail=0;P/R与其余结果均明确冠result。task.version=2。C源码、check.py、cases.json、verify.py及全部fixtures原样保留,oracle与行为目标不变。 - v1准入校准不授权v2采样;v2须host和trace5 Docker各8类×5次,root再统一补1次真实GLM采样。本节及v1原始校准记录保留为修订事实。
v2 最终校准
- Docker
runs/20261016-C-embedded-3-calibration/memory/calibration-33ada69c969f4db7b83ed8b808483b73:8类各5次,40/40符合预期,整体PASS、cleanup confirmed;version=2、task digestf26d3da02220fb3303da2d9e2cd9360dbc32528e9bc91ded7560f42c89017a4b。 - host
runs/20261016-C-embedded-3-dev/memory/calibration-f7bf10a52e1448e0ae9e273d61c5d925:35/40符合fixture声明;read_grader可读后正确行为PASS×5为正对照,总体如实FAIL。全部负例编译成功,以观察不符失败;Docker read_grader明确stderr grader unreadable。 - C/check/cases/verify/fixtures相对v1的逐文件SHA核对不变;本次没有启动LLM,root将使用v2 jobs独立补采。
- v2措辞独立只读复核:build agent逐段确认P2输入payload→object.value与result槽号、P3/P4/P5响应字段区分充分,没有新增行为要求;未改文件、未运行题。
本批实际收尾事实(2026-10-17)
现行状态:CALIBRATED_PILOT_BLOCKED_UPSTREAM_429;本节取代制作阶段的待验证状态。版本2,task digest f26d3da02220fb3303da2d9e2cd9360dbc32528e9bc91ded7560f42c89017a4b。最终Docker校准 /home/ming01.wang/embedded-rollout/runs/20261016-C-embedded-3-calibration/memory/calibration-33ada69c969f4db7b83ed8b808483b73,40/40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:UNVERIFIED:最终v2补采遇上游429而中断,虽曾任务判分PASS但Agent exit1、原生证据未闭合;随后恢复尝试首请求仍429。未形成完整轨迹,待服务侧恢复后按同身份补采1次。不得标为ADMITTED。
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。
2026-10-17 Qwen 闸门3补采
本节取代上方“等待GLM/上游429未补齐”的当前状态,旧尝试与回执保留历史。现行v2任务身份不变,沿用原正式Docker校准,改用Qwen qwen3.8-27b-nvfp4 / Pi0.73.1各补一次,2路并发、3600秒、65536最大输出、service-default。实际PASS,原生证据VERIFIED、Agent正常exit0、cleanup confirmed;新容器独立重判一致,archive显式成员/字节/SHA-256核验PASS。控制器 /home/ming01.wang/embedded-rollout/runs/20261016-C-embedded-4/gate3-supplement/pi-2bba558f13d0404e8d97185ac4e97155,工具调用28次。补采旁路记录 factory/20261016-C-embedded-4/previous-batch-gate3-supplement.json、gate3-final-status.json,报告 gate3-supplement-postprocessed-report.json;批次收尾统一迁冷盘,原证据绝对路径不改写。
审核状态 ADMITTED。v1题面歧义轨迹仍保留排除,v2技术闸门3现已闭环;本次一次补采不作为闸门4难度分池。Salty未上传,硬件未验证。