EQ harness output truncates mismatch values and rows silently, so head-vs-base failures cannot be compared

Aperta Adatta ai principianti
  • Qualcosa non va?
#5,262 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 1 giorno

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
2/5
Tempo stimato
1-3 ore
Idoneità per principianti
75/100
Tipo di issue
Bug
Chiarezza
Specificata chiaramente
Stato di attività
Attiva
Stack tecnologico
javascript, node.js
Ambito
testing-qa

Direzione di ricerca

Leggi .agents/skills/senpi-qa/scripts/scenarios/fused-equivalence-qa.mjs e individua la stampa delle discrepanze usando JSON.stringify(v)?.slice(0,160) e il limite di 12 righe. Modificalo per scrivere righe complete non troncate in un artefatto JSON per impostazione predefinita o dietro un flag, o aggiungi marcatori espliciti …(+N chars)/…(+N more rows). Fatto significa che un'esecuzione produce dati di discrepanza completi o marca chiaramente qualsiasi troncamento.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

Summary

The fused-equivalence QA harness (.agents/skills/senpi-qa/scripts/scenarios/fused-equivalence-qa.mjs) prints each mismatch as <path>: golden=<v> actual=<v>, where each value is JSON.stringify(v)?.slice(0, 160) with no truncation marker, and it prints at most 12 mismatch rows per case. Its default (non --evidence) output therefore cannot prove that two runs fail the same way: a run whose failure differs only after character 160, or beyond the 12th row, prints byte-identically.

Why it matters

Tooling that compares a head run with a base run (for example, to decide that a known-red EQ case is pre-existing and not a regression) has to read the printed log. With silent truncation the only fail-closed answer is "unprovable", which makes every case with a long value (request bodies, message arrays, system prompts) or more than 12 mismatches impossible to classify. In one real run all 19 failing cases were unprovable this way.

Reproduction

  1. Two runs whose actual for one case differs only after the first 160 characters of a long JSON value.
  2. Compare the default output of both runs: the mismatch rows are identical.

Expected

Either (preferred) the comparison basis is the full, machine-readable mismatch set (--evidence rows written to a JSON artifact on every run), or the printed form marks truncation explicitly (e.g. …(+N chars) and …(+N more rows)), so a consumer can tell "same" from "possibly cut".

Actual

Values are cut at 160 characters and rows capped at 12 with no marker.

Acceptance

  • A run emits full mismatch rows (per case, every row, untruncated) in a JSON artifact by default or behind a documented flag used by CI/receipts.
  • If the human-readable output still truncates, it says so per value and per case.
Lingua principale
TypeScript
Stelle
500
Fork
155
Merge medio
21h 52m
PR unite (30g)
699

Preparare l'ambiente

Apri in Codespaces

Avvia il container di sviluppo del progetto nel browser, con il tuo account GitHub.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di code-yeongyu/senpi

Tutte le issue di code-yeongyu/senpi

Issue simili

Altre issue su TypeScript

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.