Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

Can the agent distinguish stdout and stderr?

Abierto
#37 2 comentarios 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
3/5
Tiempo estimado
1-2 días
Aptitud para principiantes
64/100
Tipo de issue
Nueva funcionalidad
Claridad
Bastante claro
Estado de actividad
Tranquilo
Stack tecnológico
python

Línea de trabajo

Comienza en src/programbench/container.py alrededor de la línea 85, donde parece que el helper de ejecución del contenedor combina stdout y stderr. Reproduce el comportamiento con el caso de evaluación de cmatrix en eval/tests/test_cmatrix.py:120 y compara los streams observados con la salida real del comando. Se considera terminado cuando el comportamiento previsto de stdout/stderr está claro y la observación predeterminada del agente ya no oculta la distinción, con el comportamiento de evaluación relevante comprobado.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

bug

Hi!

I find that some test functions failed against a generated executable because the test expected to have some string in stderr, while the executable gave that string in stdout.

I also noticed that ProgramBench’s container execution helper appears to merge stdout/stderr streams here.

Is stdout/stderr separation intentionally unavailable to agents during exploration? (I think it is still possible for an agent to manually test stream placement with shell redirection, e.g. cmd >/tmp/out 2>/tmp/err, but the default observation format seems to make the distinction easy to miss.)

Thank you!

The commands I ran
uv run --with mini-swe-agent mini-extra programbench \
    --filter "abishekvashok__cmatrix.5c082c6" \
    --output output \
    --model openai/gpt-5.4

uv run programbench eval output

Score log

                 Evaluation Summary                   
 Instance                        Score  Comment     
 abishekvashok__cmatrix.5c082c6     94  507 tests   
 Average                            94  1 instances 
A failed test in eval.json
  • task: abishekvashok/cmatrix
  • test function name: eval.tests.test_cmatrix.TestColorOptions.test_color_invalid_shows_error_message
  • branch: 1b991a57d4e9
self = <test_cmatrix.TestColorOptions object at 0x7732071f2bf0>

    def test_color_invalid_shows_error_message(self):
        """Test invalid color name produces error message."""
        result = run("-C", "purple")
        assert result.returncode == 0  # Exits with 0 but shows error
>       assert b"Invalid color" in result.stderr
E       AssertionError: assert b'Invalid color' in b''
E        +  where b'' = CompletedProcess(args=['./executable', '-C', 'purple'], returncode=0, stdout=b' Invalid color selection\n Valid colors are green, red, blue, white, yellow, cyan, magenta and black.\n', stderr=b'').stderr

eval/tests/test_cmatrix.py:120: AssertionError
Lenguaje dominante
Python
Estrellas
928
Forks
67
Métricas de merge de PR
Sin PR fusionados en 30 d

Guía de contribución

Abrir la guía de contribución

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de facebookresearch/ProgramBench

Todos los issues de facebookresearch/ProgramBench

Issues similares

Más issues de Python

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.