Skip to content

fix: 入口画像独立讨论、绑定依据与稳定引文检查 - #116

Closed
leafliber wants to merge 18 commits into
mainfrom
fix/entry-profile-single-occasion
Closed

leafliber wants to merge 18 commits into
mainfrom
fix/entry-profile-single-occasion

Conversation

@leafliber

@leafliber leafliber commented Oct 14, 2026 •

Copy link
Copy Markdown
Member

入口画像的常聊话题需要跨独立讨论共同支持正文各点,保留的 sources.excerpt 也必须满足稳定性与禁止内容规则。本 PR 补独立讨论、说法绑定及证据选择检查;EF-21 进一步优先稳定引文、支持连续缩引,并保留完整群规公告。

当前未通过公开质量门槛,保持打开,不合并。 EF-21 是 EF-20/21 两次正式运行中的第二次;13/15 有依据(86.7%),4 条记忆的保留引文有容易过时内容。额度已用完,停止迭代。覆盖提高不能抵消质量失败。

Head:0b7584d584fcafaf45e5b247ee953cb369db8925;最后提交只含报告与 README。实际测试/正式运行的产品提交:175aeb332d9cbacdb5b256e9f03f8ff65af7f0dc。

实现与边界

  • 保留已有的逐组判断:跟进/回指不是新讨论,主题对象和性质必须一致;说法含义逐点绑定本条保留依据。保持说法独立使用与有限变体、EF-18 证据选择及 main 的准入保留强度实现。
  • EF-21 在不减少必需独立组、具体要点、解释和修订证据的前提下,优先较少日期、临时数量、单次经历线索的来源。必要来源仍要检查,不能因“缺它不可”豁免违规;原 6 条/2000 材料/4000 完整检查请求上限不变。
  • v7 要求实际保留引文用原文连续片段,只删多余事件/私事,不改词、拼接或换作者。没有安全且充分的片段则拒绝。稳定规格和必要定义数字不一概删除。隐含事件/隐私仍依赖模型,本轮已有漏检。
  • 群规选材保留完整公告及限定;明确长期公告可一次生效,不额外要求平台角色表或二次批准,个人请求/临时安排/外部规定仍不准入。EP006 公告覆盖已找回,EP001 剧情标记/折叠规则仍被检查误删。
  • 旧提示词指纹下的待执行准入结果取消后重新检查,防止升级后重放旧接受结果。未批量重写已接受记录。
  • 无新迁移或宿主/管理字段变更;excerpt_hints 只在内部材料。未修改冻结语料/评分或其他工作线占用文件。

公开正式双判

同一公开 entry_profile_v1、daily_plus_final_flush、scoring_v3。两名未参与实现的全新 gpt-6-astra max 子代理,互不可见,仅读同一冻结判分材料;官方 scorer 按不利结论合并。EF-21 两轮计分字段分歧 0。

轮次 有依据 禁止内容条目 覆盖 常聊话题
EF-16 18/18(100%) 0 11/40 4
EF-18 13/13(100%) 0 9/40 2
EF-20 9/9(100%) 0 7/40 1
EF-21 13/15(86.7%) 4 10/40 2

禁止内容 4 条均为“容易过时的描述”,其中 2 条话题也无依据;投影重复出现这 2 条无依据正文。冻结 forbidden 标签命中为 0,但禁止类别不限于这些标签,不能据此宣称禁止 0。

EF-21 阶段覆盖为生成→确定性→检查→投影 9→11→10→10,相邻损失 0/1/0,唯一损失为 EP001 要点 8。最终 15 条记忆保留 30 条原话,匹配 30/30;含日期 0、含数字 14(含稳定定义/规则数量,非自动违规判定)。逐记忆计数与失败位置均见报告。

42 次 GLM high 请求:19 观察、21 准入、2 次同截止 JSON 修正。P50/P95/最长 19.054/60.100/76.243 秒;墙钟 991.464 秒。超时 0、429 0、作废 0、证据预算阻断 0,两个初始结构失败修正成功,无最终 invalid_output 工作失败。

验证

新增 15 项手写确定性/假模型测试;先红(8 failed/7 passed,另强化旧任务恢复后 1 failed)再绿,定向回归 212 passed。

  • Python 3.13.13:3707 passed,8 warnings,1118.30 秒。
  • Python 3.12.12(locked/isolated,顺序运行):3707 passed,8 warnings,1082.04 秒。
  • uv build 通过;本 worktree .pytest-tmp 已清理。
  • 116 段/272 批学习请求零差异;七份召回语料 228 查询、1140 组变体返回及 214 份判断输入零差异。

实际对照和测试基线为开工时合入的 main caa4cc8。冻结后 main 新增 #120(8ab9bee)与文档 3776dbe,未把这些上游改动合进本轮实验快照;本结果不宣称对更新后的 main 已验证。正式额度用完且质量未过,未继续更改产品代码。

提示词与材料

新提示词单独冻结于 36276f7,默认 observe_v7/admit_v7,旧文件保留:

  • observe_v7 SHA-256:8b69c862d4eb0e3939536c0ece0f1b5b3f1efa367c3ebe42b17625b426c86ec5
  • admit_v7 SHA-256:f2c7ea0bb4fd2483e0957c4eaca63413e77bb901a5915588afae1ec0f8d3ab2b

EF-21 汇总报告。完整材料、双判、测试与对照日志在仓库外 /Users/cassia/Local/Code/iris-eval-artifacts/EF-21-20261017/;没有寻找或读取隐藏集。

@leafliber leafliber changed the title fix: 入口画像话题逐项核对跨讨论依据,剔除单次细节 fix: 入口画像跨讨论依据、准入保留强度与独立说法计数 Oct 14, 2026
@leafliber leafliber changed the title fix: 入口画像跨讨论依据、准入保留强度与独立说法计数 fix: 入口画像跨讨论依据、准入补强与有界证据选择 Oct 14, 2026
leafliber added a commit that referenced this pull request Oct 17, 2026
Extract only admission retention renewal from PR #116 commit be7f8fe. Preserve current main prompts, saying counts and evidence selection.
leafliber added a commit that referenced this pull request Oct 17, 2026
- 记录 #117 准入时补足保留强度并重置衰减,例行复查与重放不重复补足。
- 记录 #116 与 main 的隐藏集对照结果及均未通过门槛的结论。
- 记录用户 2026-10-17 决定仅合并生命周期修正,#116 继续作为修复分支。
- 记录隐藏集写作、判分与审核改由相互隔离的全新 Codex 会话完成。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
@leafliber leafliber changed the title fix: 入口画像跨讨论依据、准入补强与有界证据选择 fix: 入口画像逐组核对独立讨论与绑定依据 Oct 17, 2026
@leafliber leafliber changed the title fix: 入口画像逐组核对独立讨论与绑定依据 fix: 入口画像独立讨论、绑定依据与稳定引文检查 Oct 17, 2026
@leafliber

Copy link
Copy Markdown
Member Author

按 2026-10-17 预先登记的规则不合并(用户 2026-10-18 决定,保留 main):entry_profile_hidden_v4 上 EF-20 版本有依据 22/23、单条消息泛化 2、覆盖 10/35;main 为 15/17、4、15/35。覆盖低于 main 的 80%。分支保留,留待全自动阶段复用。

@leafliber leafliber closed this Oct 18, 2026
leafliber added a commit that referenced this pull request Oct 18, 2026
- 记录 hidden v4 上 EF-20 与 main 的对照,以及按规则关闭 #116、保留 main 的用户决定。
- 明确 EF-22 从 main 出发重新优化的方向,并同步 AGENTS.md 状态。
- 记录 persona 两次无效运行、先修稳健性的决定与 PE-10 修复。
- 明确预算内重试成功且检查完整的已恢复超时不再使整轮评测无效。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Labels

None yet

Projects

None yet

Development

Successfully merging this pull request may close these issues.

1 participant