[Research] 版本化任务轨迹与隔离评测集:为自我改进建立证据基座
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 35/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Bastante claro
- Estado de actividad
- Activo
- Stack tecnológico
- typescript
- Área
- ai-infra-agents, testing
Línea de trabajo
Read packages/shared/src/evaluation/experiment-service.ts, packages/shared/src/evaluation/redactor.ts, and scripts/eval/README.md to understand the existing evaluation and redaction entry points; the proposal says these are reading references, not implemented capabilities. Start with the proposed minimum contribution: synthetic redacted tasks and replayable tool fixtures, while checking the dependency on issue #14. Done means fixtures can be replayed offline and the isolation, redaction, and baseline requirements are addressed.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
状态:研究提案,尚未验证效果。阶段:R1 · Harness² × RSI Research。总路线:#8;当前能力:#9。
目标与价值
自我改进必须能区分真正泛化和记住测试答案。先建立合法、可脱敏、可回放的数据与实验协议。
验收标准
- 定义任务、轨迹、工具夹具、记忆版本、模型/runtime/config 与预算清单
- 按时间/任务族隔离训练、开发和留出测试,避免相似案例泄漏
- 导出前去凭证/个人正文;真实用户数据必须另行明确授权
- 基线覆盖成功、失败、恢复、权限与预算,报告方差和样本规模
验证方法
同版本离线夹具可复跑;对非确定模型记录重复次数与差异;加入泄漏检测和脱敏检查。
源码起点
- packages/shared/src/evaluation/experiment-service.ts
- packages/shared/src/evaluation/redactor.ts
- scripts/eval/README.md
以上是已有实现的阅读入口,不代表拟议能力已实现。
依赖与最小贡献
- #14 — [Testing] Durable 任务故障注入与恢复一致性测试矩阵
先贡献一组脱敏合成任务和可回放工具夹具。
参与
认领前先说明拟完成的最小范围,再评论 /claim。提交 PR 时附真实环境、验证命令和结果;仅完成部分时请列出剩余项。贡献入口:#7。
- Lenguaje dominante
- TypeScript
- Estrellas
- 206
- Forks
- 37
- Merge medio
- 7 h 8 min
- PR fusionados (30 d)
- 8
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Tiene una plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de ydflow/Trail
-
area:desktop bug good first issue help wanted
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
-
[Bug] 诊断页提示 Pi 运行时重启失败Abiertoarea:desktop bug help wanted
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
-
[Good first issue] 从来源检查器打开新闻原文Abiertoarea:desktop enhancement good first issue help wanted
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
-
[Bug] 来源检查器显示行情时点和延时标记Abiertoarea:desktop bug help wanted
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
-
area:evaluation bug good first issue help wanted
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
Todos los issues de ydflow/Trail
Issues similares
-
[Docs] CONTRIBUTING points the Backend Remake milestone at a branch that does not existPosiblemente ocupada @franpts2 la tomó hoy. Abiertodocs
Dificultad 1/5 Menos de una hora Aptitud para principiantes 90/100
Los mantenedores suelen responder en 3 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
ever-co/ever-teams#5741 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
melgarafael/DeskcommCRM#5142 ·
Los mantenedores suelen responder en 1 día
-
Web mention picker gives same-name bots and routines or connectors identical accessible namesAbiertobug size:medium
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
Los mantenedores suelen responder en 1 día