diff --git a/docs/proposals/2026-10-13-fast-slow-u2-u3-plan.md b/docs/proposals/2026-10-13-fast-slow-u2-u3-plan.md index 5670888..b529cf5 100644 --- a/docs/proposals/2026-10-13-fast-slow-u2-u3-plan.md +++ b/docs/proposals/2026-10-13-fast-slow-u2-u3-plan.md @@ -442,3 +442,13 @@ go test ./eval/live/ -tags live -run TestWorkCheckpoints -count=1 -v -timeout 35 等价整改:材料记录由宿主以经过核验的原文和文件名展示,省略模型对该类型的转述、影响和前提;分析/推断保持独立类别及前提,不提升为verified。正文与执行过程分开;失败/中断的下一步不得承诺仍在自动处理。输入配方版本已递增,旧成果不因文件名相同而复用。评测仅收紧输出上限,不能放大生产预算。 下一步优先完成已实施候选的U3质量复验:前置条件为完成检查点复杂度/预算分配的等价整改,并明确批准新的有限复验方案(已批准的额外A01已执行且失败);固定最终候选SHA/相同材料/真实模型,核验两个有用的非终态发布、每项语义与来源、最终结论及Usage,再进入当前HEAD平台CI和PR合入。建议不是新增授权。U4和既有实例部署保持未启动。 + +## 6. 质量出口后续试验草案(待人工批准;不属于已用完的额外A01授权) + +**触发和证据。** 已批准的额外A01实际使用两个run、四次provider调用、42203 returned Usage token,零接受的阶段发现。模型先提交含未知字段和错误嵌套的五条发现,随后尝试用省略号拼接来源引文;严格校验正确拒绝,两轮后台调用达到原每run 20000 token阈值,任务失败。独立逐项分析与原始收据见[核验报告](../reports/2026-10-13-fast-slow-u2-u3-validation.md)及额外A01评估。不能把错误引用当有效证据,也不能重用旧失败run补写成果。 + +**已准备的等价整改。** 模型侧检查点声明最多引导1–3条新增发现,要求单段落连续的短原文引用;宿主仍只接受可信来源、完整原文和当前版本,不更改Core最多6项的受控上界或来源权限。材料处理配方递增至v7,避免把旧结果复用为新行为。SQLite完整后端套件通过;v7的真实模型效果仍为NOT_RUN。 + +**待审资源变更。** 建议仅对同一A01合成材料再做一次受控试验:两个付费run为上限,每run建议MaxTurns=8、MaxToolCalls=12、MaxTokens从20000调为30000、最长300秒;已返回Usage的本次合计目标不超过60000 token,单次输出上限4000并继续保留生产更低的剩余额度,缺Usage立即停止后续调用。不换模型/路由、不使用重试或回退、不自动确认HITL。该目标不是严格账单上界,一次在途请求可能越过剩余额度。 + +**验收和停止。** 仍要求至少两个真正有用、结束前保存的不同成果点;逐条检查数字、意见/决定、假设、引文与文件归属,明确无最终结果或因预算中断。模型JSON错误、非原文引用、未知Usage、超出两run或额度目标时停止,保留现场且不重跑。未取得用户对这一资源变更和新付费样本的明确批准前只做代码自检与草稿Review,CI通过也不放行合入。 diff --git a/docs/reports/2026-10-13-fast-slow-u2-u3-validation.md b/docs/reports/2026-10-13-fast-slow-u2-u3-validation.md index 391d637..4bf3df5 100644 --- a/docs/reports/2026-10-13-fast-slow-u2-u3-validation.md +++ b/docs/reports/2026-10-13-fast-slow-u2-u3-validation.md @@ -62,3 +62,5 @@ SELF原始命令输出由Dev的make evidence工具写入任务卡,不能升级 最新组合真实HTTP浏览器:Backende69865e/Corebeafd75/FE0bbccbe,两项来源预览和后台不抢焦点用例均PASS,SELF收据`fast-slow-browser-current-upstream.json`。首次组合检查遇到已自行消失的短暂Git索引锁,串行重跑后通过;未删除锁。 合并后的隔离PostgreSQL后端完整套件PASS(SELF `fast-slow-current-backend-pg.json`)。当前Backend0bc4b0f实际HTTP/browser两项PASS(SELF `fast-slow-browser-aa-final.json`)。独立REPLAY核对账户加固合并与任务来源/通知/恢复/SSE共存,见更新后的代码审阅归档。 + +后续代码候选仅把模型侧单次检查点声明收敛至1–3条和连续短引文,并将材料配方递增至v7;host来源校验、原JSON失败原件不变。新版有本地后端测试,真实模型质量NOT_RUN。建议的每run 30000 token / 两run合计60000 token属于**待批准试验草案**,不沿用已消耗的额外A01授权。