Repository navigation
feat: persona 分句依据校验与检查稳健性 - #61
Merged
Merged
Conversation
leafliber
marked this pull request as ready for review
October 10, 2026 08:18
Merged
leafliber
added a commit
that referenced
this pull request
Oct 19, 2026
- 记录 #61 的隐藏判定结果及用户作为改进合并、默认仍全部人工确认的决定。 - 明确管理员手写句的删改规则和全自动模式下变化程度无效时的待改行为。 - 记录入口画像暂停小改动及离线对照结论,转向发现与评测能力。 - 登记公开 dev v2 重建、观察提名取并集的发现实验及三次配对比较计划。 - 同步执行与外部判分模型切换为 gpt-6.1-sol,推理档位仍为 max。 Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
Add this suggestion to a batch that can be applied as a single commit.This suggestion is invalid because no changes were made to the code.Suggestions cannot be applied while the pull request is closed.Suggestions cannot be applied while viewing a subset of changes.Only one suggestion per line can be applied in a batch.Add this suggestion to a batch that can be applied as a single commit.Applying suggestions on deleted lines is not supported.You must change the existing code in this line in order to create a valid suggestion.Outdated suggestions cannot be applied.This suggestion has been applied or marked resolved.Suggestions cannot be applied from pending reviews.Suggestions cannot be applied on multi-line comments.Suggestions cannot be applied while the pull request is queued to merge.Suggestion cannot be applied right now. Please check back later.
用户 2026-10-20 决定:本 PR 作为改进合并,persona 默认仍为全部人工确认(all_manual)。隐藏质量门槛未通过:规划者在 5b77857 上的 persona_hidden_v2 运行有效,稳健性机制起作用,但有依据变化仅 25/35(71.4%),虚构 10、指令 1。后续单独修复这些失败类型;本 PR 不声称质量达标,不启用自动发布。以上为任务提供的聚合结论,执行者未寻找或读取隐藏材料。
本分支按句绑定人物、动作、事件日期与完成状态,并加强检查输出的容错:结构错误只在最小受影响单位重问一次,仍无效则保守拒绝或按大变化处理;请求按材料大小限批,阶段内处理超时重试与流式停滞;输出截断按句递归拆批,不采纳残片。初检与复查共用各自原阶段预算,发布前仍复核版本、记忆修订及来源。不完整检查点按产品行为不发布、保留当前版本,运行器继续后续时间线并列出;全轮最多容许 2 个此类点,未恢复基础设施错误口径不变。质量规则、提示词和冻结评分没有在本轮修改。
已知局限:检查通过仍可能漏过无依据事实/经历和指令内容。公开结果只作公开集诊断,不能覆盖隐藏失败;实际变化全部有依据、七类违规 0 的门槛未放宽,must_reflect、must_not、程度合理率仍仅作参考。
PE-17 仅做合并准备:fetch 后 merge origin/main 为 Already up to date,无冲突;main 为 cc60a0b,没有覆盖其他会话实现。新提交只含 ARCHITECTURE.md 三段 persona 预算文字和 PE-17 汇总报告,无产品源码、测试、提示词或迁移变更。源码指纹仍为 8dfb029462df97c027e83bb2b3317a8fd39f0ff6bae06d4c5604cd7ab1c586ce,与规划者判定的代码相同。
新库、缺省设置及未人为更改的旧库继续使用 all_manual;管理员已有明确发布选择按既有规则保留,已接受任务与候选继续按其保存的设置处理。001—035 共 35 份迁移逐文件与 main 一致,最新 035_media_retention.sql,无新增或编号冲突。宿主 v1 的 13 条路径、17 个操作、13 个引用 schema 均与 main 一致,无不兼容改动。
本轮重新顺序验证(没有新增功能,先红后绿不适用):
ARCHITECTURE.md 仅同步现有预算:每次输出 16000 token、请求 360 秒、初检/复查各 900 秒、请求上界 32768 字节、流式 90 秒无新数据中止、persona_max_calls 默认 30(0—1000),并移除过时的独立修复模型预算。没有通过文档修改提高实际额度。
PE-17 合并准备报告含冲突/默认/迁移/接口核对及新验证;PE-16 报告保留截断处理和公开运行离线审计,PE-15 报告保留结构校验清单,PE-13b 报告保留公开双判及历史作废记录。
Head:102f39c95455898e13fb847249f9be6256d47376。本轮真实模型运行 0;完整日志与对照位于 /Users/cassia/Local/Code/iris-eval-artifacts/persona-pe17-20261020/,未放入仓库。自己的 .pytest-tmp 已清理,test-models.toml 保持忽略,提交前已核查全部暂存内容。仅普通推送,不合并;由规划者审查此 head 后交集成会话处理。