01全量正式生产中
2 个求解槽位 · 独立准入 · 11-01 23:05
排除 32 个历史 Issue
冻结 train 分区
逐题核验 component
干净 base、默认隔离
公开 probe 与正反控制
一题一次正常尝试
准备与生成滚动推进
独立 judge + probe
学生 tokenizer 逐请求对账
完整推理与动作复核
只监督有效新输出
release + SQLite
真实 CPU 加载后计数
| Issue | 请求 | API 输出 tokens | 当前阶段 |
|---|---|---|---|
| meerk40t_svgelements_pr216 | 19 | 15,142 | 已入库 |
| canonical_operator_pr1197 | 10 | 4,228 | 已隔离 |
| python-scim_scim2-models_pr81 | 44 | 23,440 | 已隔离 |
| mattrobenolt_jinja2-cli_pr28 | 18 | 16,847 | 已隔离 |
| meerk40t_svgelements_pr189 | 9 | 2,116 | 已入库 |
| canonical_operator_pr1248 | 38 | 26,229 | 已隔离 |
| tomasvotava_fastapi-sso_pr189 | 30 | 21,046 | 已入库 |
| fugue-project_triad_pr93 | 27 | 31,430 | 已隔离 |
| meadsteve_lagom_pr136 | 33 | 26,263 | 已入库 |
| jupyter-server_jupyter-scheduler_pr448 | 19 | 14,572 | 基础设施停止 / 阻塞 |
| brentvollebregt_auto-py-to-exe_pr456 | 9 | 6,085 | 已隔离 |
| getpelican_feedgenerator_pr7 | 18 | 13,483 | 已隔离 |
| luolingchun_flask-openapi3_pr224 | 15 | 7,273 | 已隔离 |
| cobrateam_django-htmlmin_pr122 | 30 | 21,864 | 已隔离 |
| buriy_python-readability_pr190 | 56 | 49,453 | 已隔离 |
| newville_pyshortcuts_pr18 | 16 | 19,831 | 已隔离 |
| aiven_aiven-client_pr2 | 3 | 363 | 已隔离 |
| hplt-project_sacremoses_pr9 | 12 | 6,133 | 已隔离 |
| common-workflow-language_cwl-utils_pr102 | 11 | 1,129 | 已隔离 |
| pytransitions_transitions_pr88 | 10 | 2,218 | 已入库 |
| tortoise_pypika-tortoise_pr37 | 27 | 16,751 | 已入库 |
| izimobil_django-rest-framework-datatables_pr94 | 59 | 40,998 | 已入库 |
| cloudsmith-io_cloudsmith-cli_pr140 | 26 | 8,945 | 已入库 |
| beetbox_mediafile_pr16 | 25 | 20,955 | 已隔离 |
| chargebee_chargebee-python_pr95 | 28 | 14,159 | 已隔离 |
| golosegor_pyspark-nested-fields-functions_pr7 | 43 | 33,027 | 已隔离 |
| facebookresearch_clusterscope_pr98 | 7 | 635 | 已隔离 |
| adamjstewart_fiscalyear_pr24 | 2 | 247 | 已隔离 |
| fulder_pki-tools_pr35 | 23 | 10,772 | 已隔离 |
| raphaelm_python-sepaxml_pr9 | 13 | 4,501 | 已入库 |
| pallets-eco_flask-pydantic_pr50 | 26 | 18,185 | 已隔离 |
| webrecorder_warcio_pr36 | 14 | 6,862 | 已入库 |
| mongodb_mongo-python-driver_pr721 | 8 | 3,261 | 已隔离 |
| di_pip-api_pr109 | 28 | 62,104 | 已隔离 |
| sifive_pydevicetree_pr22 | 16 | 7,859 | 已隔离 |
| jacebrowning_yorm_pr41 | 11 | 5,267 | 已隔离 |
| qiskit-community_qiskit-ionq_pr44 | 17 | 1,796 | 已隔离 |
| opensanctions_rigour_pr13 | 21 | 19,122 | 已隔离 |
| di_id_pr149 | 22 | 10,104 | 已入库 |
| jawah_h2_pr4 | 7 | 2,809 | 已隔离 |
| noahmorrison_chevron_pr94 | 18 | 15,951 | 已隔离 |
| phfaist_pylatexenc_pr66 | 46 | 32,215 | 已隔离 |
| kurtbrose_pyjks_pr19 | 6 | 702 | 已隔离 |
| cogeotiff_rio-cogeo_pr239 | 23 | 9,888 | 已入库 |
| reportportal_agent-python-behave_pr22 | 16 | 9,178 | 已隔离 |
| darosior_python-bip32_pr23 | 12 | 7,661 | 已隔离 |
| microsoft_sarif-tools_pr69 | 21 | 23,848 | 已隔离 |
| aio-libs_aiozipkin_pr40 | 60 | 30,898 | 已隔离 |
| mbr_tinyrpc_pr64 | 20 | 14,695 | 已隔离 |
| python-lsp_python-lsp-ruff_pr62 | 33 | 49,262 | 已隔离 |
| bharel_asynciolimiter_pr15 | 3 | 483 | 已隔离 |
| pycqa_doc8_pr49 | 30 | 30,724 | 已隔离 |
| matrix-org_python-canonicaljson_pr34 | 8 | 1,990 | 已入库 |
| pallets_jinja_pr922 | 9 | 2,005 | 已隔离 |
| rubik_radon_pr236 | 22 | 3,917 | 已隔离 |
| litl_rauth_pr147 | 18 | 14,293 | 已隔离 |
| jsh9_pydoclint_pr218 | 12 | 4,025 | 已隔离 |
| erdogant_pca_pr14 | 3 | 206 | 已隔离 |
| kyleking_mdformat-mkdocs_pr11 | 17 | 1,970 | 后处理 / 审查中 |
| containerbuildsystem_dockerfile-parse_pr92 | 9 | 3,723 | 已入库 |
| xnuinside_simple-ddl-parser_pr7 | 20 | 22,167 | 已隔离 |
| mapado_haversine_pr78 | 16 | 2,524 | 已隔离 |
| gtaylor_python-colormath_pr37 | 18 | 11,065 | 已隔离 |
本表是生成快照，不能当作全部已入库。模型调用前的单题环境阻塞会跳过；来源漂移或用量不明会暂停新派发。学生类任务在首次请求前按入库缺口选择 P2/P3，既有轨迹不改标。
已确定的官方判分失败、正常预算失败自动写入负向门禁，明确标为未做完整语义审查；有效候选继续逐决策复核。门禁与验证证据
有限适配：工具允许且真实成功的同工作区绝对路径调用，记录相对路径格式偏差，不仅凭路径形式屏蔽。原始调用保留；其他失败或来源问题按原门禁处理。限定规则 · Rio 核验与发布
全量合同与预算 · 生产快照 · 已归档的 7 个旧会话 · 此前链路验证
验证此前已完成的链路验证
两路并发 + 单题尾批 · 四条正式发布
| 新 P1 任务 | 原生请求 | 入库监督 tokens | 最终准入 |
|---|---|---|---|
| tinydb #39 | 9 | — | 判分通过；核心编辑被 mask，未发布 |
| cdflib #162 | 22 | 4,195 | 局部 mask 后发布，核心修复保留 |
| tinydb #33 | 14 | 3,827 | 局部 mask 后发布，核心修复保留 |
| beets #5442 | 14 | 2,077 | 局部 mask 后发布，核心修复保留 |
| beets #5409 | 10 | 1,477 | 局部 mask 后发布，核心修复保留 |
本轮共 69 请求、33,760 API 输出 tokens，五题 judge / probe / 对账均通过。首四题生成窗口约 8 分钟，尾批生成约 52 秒；准备、审查与入库另计。已发布四条、38 序列，真实 CPU 加载通过。
80/20 配方 · 适度恢复准入规则 · 新教师发布与加载收据 · 真实 P3 追加准入证据
P2 v2 已替代 v1：原 23 条序列／13,323 tokens 已撤回，不再进入训练。核心修复仍保留 1,413 tokens；最终边界补丁超长，保持零监督。复核依据 · 旧版撤回记录
历史第二批：10 题 / 6 条发布 / 42,100 监督 tokens
历史第二批：10 题，6 条准入
第二批 · P1 · 每题一次正常尝试
从运行资格到最终发布
实际生成用量
API 输入 4,057,230 tokens；0 fallback。生成批次墙钟约 19.2 分钟；编排与审查 Agent 的完整账单尚未统一。
表格可左右滑动
| Issue / 准入说明 | 请求 | 公开 probe | 最终结果 | 发布序列 | 有效监督 tokens |
|---|---|---|---|---|---|
| python-mwxml #13 | 8 | 9/9 | 已发布 | 6 | 772 |
| sphinx-mdinclude #68行内代码链接仍有已观察的边界错误 | 24 | 8/8 | 拒收 | 0 | 0 |
| pyconfs #17官方验收失败，具体根因未诊断 | 31 | 9/9 | 拒收 | 0 | 0 |
| bitmath #21 | 7 | 13/13 | 已发布 | 5 | 1,686 |
| javalang #23 | 14 | 11/11 | 已发布 | 9 | 2,321 |
| django-bitfield #104官方 29/30 通过，仍有 1 项失败 | 13 | 7/7 | 拒收 | 0 | 0 |
| openapi-schema-pydantic #11官方 19/29 通过，仍有 10 项失败 | 15 | 5/5 | 拒收 | 0 | 0 |
| pyleri #24附加改动 request 17 全零监督 | 27 | 7/7 | 已发布 | 26 | 18,974 |
| dol #57 | 19 | 6/6 | 已发布 | 19 | 16,036 |
| graphql-server-core #37request 5 保留上下文、全零监督 | 9 | 4/4 | 已发布 | 8 | 2,311 |
准入口径与保留限制
六条候选的 84/84 轮完成独立准入复核；全批初审覆盖 139/167 轮，其余 28 轮属于两条 judge 拒收且未导出的轨迹。审查按答案搜寻意图、实际暴露、采用依赖与公开推导区分，不按 hidden / upstream / Git 关键词机械拒收。
pyleri 的公开主修复 request 13 保留 3,225 监督 tokens；附加 request 17 全零监督，最终补丁并非每一 hunk 都被监督。部分猜测措辞或 loss=0 的猜测上下文仍存在。part2 复核使用不同角色、不同会话，但与 worker 共用模型家族。
四条拒收均未通过独立官方 judge。sphinx 另有实际观察到的公开边界错误与核心修复中的猜测依赖；pyconfs 的具体官方失败根因未诊断。没有证据表明这四条实际读取了外部答案。最终准入收据
02P1 工程链路已闭环
真实生产 + 独立判分 + 实际消费
train 家族与组件隔离
cap=3，排除已用 Issue
task / image / base / probe
每题 P0 预检通过
断网、裁剪未来 Git 对象
read / edit / bash 同一容器
新建干净 before 环境
恢复测试，再应用补丁
逐决策 mask + 来源审查
实际 wire / token / patch 绑定
不可变 release + SQLite
真实 Arrow CPU loader
正常 stop → 冻结 probe → 首次行为失败反馈 → 同 session 修复 → 最终检查。基础设施错误不当作纠错反馈。
十题首次 probe 即通过，尚未观察到真实教师利用反馈修正错误的收益。
工程准备清单：已完成 8 项及其证据
| 准备项 | 已验收能力 | 证据 |
|---|---|---|
| 统一执行与工具 | 生产 / eval 共享 native 路径；真实 DSH read/edit/bash 的容器路径与陈旧编辑检查。 | 容器文件系统 |
| 断网与 Git 隔离 | network=none，清理未来 refs / 不可达对象与目标源码副本，导入定位到 /testbed。 | 逐题环境资格 |
| 防测试篡改 | 从冻结 base 恢复测试与夹具；删除 patch 新增的 ignored / index 测试 hook；恢复失败拒绝判分。 | 实现与回归 |
| 公开 probe 与反馈绑定 | 模型请求前冻结；核验后续 user wire 中的反馈哈希及最终补丁，失败终检不得发布。 | 独立复核 |
| UTF-8 归档 | 中文 / emoji 可保存；归档错误保留求解结果并显式报错，不再重做已完成求解。 | 归档修复 |
| 合同与启动器 | 每题一个正常尝试；infra / 用量不明即停；保留消耗，正常终态不重复生成。 | 启动器 v3 |
| 准入与实际加载 | 六条真实候选完成独立准入、mask、postprocess、SQLite 和 Arrow CPU 加载。 | 发布收据 |
| 当前 P0 | 教师冻结执行版本的三门与 36 项源码有效，学生侧修改不使它反复失效。新的学生运行另按实际源码封存 P0。 | P0 acceptance |
生成与监督规则：哪些动作允许，哪些内容不入训
允许基于当前 base 的 Git 定位、读源码、复现与验证；禁止寻找未来修复、目标仓外源码副本或公开答案。技术隔离与提示约束已实现，但提示不保证模型不再猜测。已确认的答案污染或最终行为失败隔离；错误动作按审查 mask，保留真实上下文，不补写或伪造工具观察。
只有有效 assistant 新输出参与 loss。学生前缀、工具观察、控制反馈与被 mask 回合均为 0；工具失败后的真实恢复动作经审查可保留。验证、改法和停止依据都须来自实际观察。
全量候选 2,421 题；每题 60 个原生逻辑请求、65,536 API 输出 tokens、1,800 秒。候选池累计上限 145,260 个逻辑请求、158,662,656 API 输出 tokens；目标达成或候选耗尽时收口。HTTP fallback attempts 单独记录。冻结合同
03从干净示范走向学生状态覆盖
目标：减少空转，并保住真实解题能力
旧监督缺少学生常见的停滞状态
历史诊断：基座 SWE50 的 50 题 vs A+C3 的 949 个实例；教师只统计被监督回合。不同数据分母，只用于提出状态覆盖假设。
目标配方，按有效监督 token 分配
这是训练混合目标，按轨迹类别的有效监督 token 计，不按请求数或轨迹条数计。P2/P3 内部按合格供给分配，无最低占比。
教师从头完成
复现 → 修改 → 验证 → 停止
提供正常解题路径。只保留审查后有效的新输出，质量失败不重新抽到通过。
有真实发布接管学生停滞状态
correction_sft · 只监督教师续写
自然 S 与 L 接管均已真实验证并发布。当前 2 条 P2、11,625 有效监督 tokens；学生决策全部零监督，只保留教师有效续写。最终补丁的部分未监督内容单独登记。
S/L 真实接管已发布保留基座自有成功
同批学生 rollout 的成功轨迹
允许经审查的少量自我纠错：错误动作零监督，保留已验证的核心修复和自然收尾。仍须学生独立完成、无公开提示反馈。
新规已发布 1 条已验证的 P2 最小闭环
另一题 SCIM 在完整前缀 15,089 tokens 处截停，没有发生 handoff，已保留为真实诊断而不计 P2 成品。超限不截断观察，正常质量失败不重抽。
Datatables #94：14 个学生决策／9,340 tokens 后自然 L 接管。独立复核后发布 7 条序列、2,408 监督 tokens，核心修改保留 999 tokens。历史推测仍在原始上下文中，整个前缀 loss=0；后续部分补丁仍不受监督。准入与上下文核验
Aiozipkin #40：21 个学生决策／12,799 tokens 后，由 edit 的 old_string 不匹配自然触发 W。60 次请求后预算耗尽，probe 0/2，judge 未执行；保留为真实诊断，不计成品。W 分支证据
规模规划与选题原则
历史候选储备为 cap=3 的 2,453 个不同 Issue；候选数量不等于成品数。每批先审查公开题面、家族 / 组件隔离与近重复，再做镜像、干净 base、公开 probe 和逐题预检。5-shingle 是词面筛查，不代表语义唯一；题面质量仍需实际复核。
规划目标仍是约 2,000 条合格轨迹。P1 /（P2＋P3）改为 80 / 20，按有效监督 token 计，不能直接乘以 2,000 当作条数。失败、全零监督、重复视图和决策切片不充抵轨迹数；cap 或来源扩充须另立版本。
取消“先跑 100 个学生任务再推进主线”的顺序。P1 先滚动生产，P2/P3 只按实际缺口补充；已成功轨迹优先按新规则复核，避免重复 rollout。
04教师先生产，改进项并行推进
教师主线不等待学生侧全部修好
P1 滚动生产，两个求解并发
复用已确认组件、缓存镜像层和冻结执行版本；生成时准备下一组，尾批一题也可直接执行。
逐题冻结、预检后开跑；质量失败保留，模型前的单题环境失败隔离后继续其他题。共享完整性或用量不明才停调度。
P2/P3 轻量补充与恢复
合计目标 20%；内部按供给分配。有限错误经过纠正后，不再自动整条拒收。
P3 最多审查 3 个 L/W 信号；错误和无效重复动作必须 mask，保留真实核心修改与自然收尾。有明确用途的一次测试复验、诚实的失败测试观察可保留。
改进不再串成总开工门槛
PR 线索匿名化、完整中断恢复、全成本归集按收益分批完善；不阻塞已验证的 P1 路径。
固定生产源与准入策略分开版本管理。已通过的检查按适用范围复用；只验证变动面，逐题记录准备、生成、判分、审查和导出耗时。
下一步：冻结训练混合与独立评测
- 冻结独立 dev 家族与来源未见性审计
- 选择有效 P1/P2/P3 release 并冻结 80/20 配比
- 同时冻结有效监督、完整序列 token 与序列数量预算
- 固定 BF16 基座 + LoRA 配置和配对评测协议
冻结基座参照
干净示范是否足够
有足够接管样本时比较
内部按合格供给分配
采用条件：独立 dev 上真实 resolved 不退化，再比较循环、未修改、长回合与自然停止。SWE50 已用于形成假设，不再用于选择配方。CPU loader 通过不等于训练或收益已验证。
训练预算与 pilot 的边界
约 6.2M 有效监督 tokens 保留为初始预算设想，对应教师约 4.96M、P2/P3 合计约 1.24M；尚未冻结为训练合同。各臂同时约束完整序列开销，不重复目标补预算，不裁剪上下文；离散长度容差事先约定，无法匹配时共同下调。dev 建议至少 100 题，报告配对 resolved 与置信区间，不能以 teacher-forced loss 代替真实执行。
旧症候数据来自单次 SWE50 采样，文件写入与循环均为启发式；P2 的 15K 覆盖率、接管成功率及训练收益尚未知。harness 引起的推理失控也不能仅靠数据解决。
证据与版本
结果来自冻结收据，原始 run 与旧 release 保留
运行身份与历史结果
- E2 当前执行版本
- p2-recovery-frozen-20261101 @ fdb236b · child a520c9e
- 历史教师试产版本
- p1-frozen-20261101 @ cc21c45 · 独立固定工作区
- 历史学生恢复版本
- p2-recovery-frozen-20261101 @ 5a20b76 · child a520c9e
- 新准入实现
- 41ef281 · 学生局部恢复；2f35296 · 精确路由名称兼容
- DSH runtime
- b150a551 · 独立只读运行目录
- Profile
- swe-agent-v3-takeover-high-probe
- 当前 P0 SHA-256
- b1937e57e36a9f47e4913d13bde090b910ac412986dac6c0cd6581eec1f55084
- P2 Release SHA
- fca9e778cf3fad781fcfa5cb4dc53c4063587d8812b086a09f9a110fd4affae5
4 题 / 34 决策 / 8,499 监督 tokens。与本批无 Issue 重叠，保留独立 release，不与本批分母拼算。
测试恢复、wire/patch 绑定和单次反馈机制通过；真实 wakeonlan 补丁仍有公开边界失败，保持隔离。新版 53-case probe 拒绝四个旧补丁，历史分数不回写。
1,735 个视图 / 949 个来源，保持独立；没有混入本批发布，也未重新宣称已全部审查。