Plan B Task 5 follow-ups: measurement driver polish + matplotlib collection caveat

Đang mở
  • Có gì không ổn?
#2 1 bình luận 0 reaction 0 người được giao Xem trên GitHub

Chưa có ai nhận issue này.

Đánh giá

Độ khó
4/5
Thời gian dự kiến
3-5 ngày
Mức phù hợp với người mới
45/100
Loại issue
Lỗi
Độ rõ ràng
Khá rõ ràng
Mức độ hoạt động
Sôi nổi
Công nghệ
matplotlib, python, shell
Lĩnh vực
devops, performance, testing-qa

Hướng nghiên cứu

Read the four follow-ups and inspect deploy/knative/measure-swebench-runtimes.sh and scripts/gen_swebench_deck.py; identify which item you plan to address before changing code. For the driver items, check the existing CI shellcheck coverage and how samples are aggregated; for the deck item, note that the list branch is currently unexercised. Done means addressing one follow-up without changing the stated default behavior or gold test command.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Mô tả

Follow-up items from Plan B Task 5 (#129, SWE-bench runtime measurement). All non-blocking; documented for later.

1. MEASURE_SAMPLES>1 status-label aggregation (deploy/knative/measure-swebench-runtimes.sh)

With more than one sample per instance, the per-sample status label reflects only the last sample, and median could mix a real runtime with the timeout-cap value. Purely cosmetic at the default MEASURE_SAMPLES=1 (the only exercised path). If multi-sample is ever used, treat any timeout sample as dominating and aggregate ms only within a single status class.

2. CI shellcheck for the measurement driver

Add deploy/knative/measure-swebench-runtimes.sh to the CI shellcheck coverage (it was shellcheck-clean at authoring, but isn't gated in CI).

3. matplotlib collection-as-error under newer setuptools

matplotlib__matplotlib-24177's measured runtime is import+collection only: its pytest collection errors on a DeprecationWarning-as-error at base_commit (newer setuptools in the baked env), so 0 tests are collected. The recorded time is faithful to the gold command but undervalues the instance. If a truer matplotlib number is wanted, relax the warning filter for the measurement run (e.g. PYTHONWARNINGS=default) — note this deviates from the exact gold test_cmd.

4. test_cmd-as-list defensive branch (scripts/gen_swebench_deck.py)

The list→string join branch is unexercised with swebench 4.1.0 (returns str); kept for forward-compat. Add a unit case if a future swebench version returns a list.

Assisted-By: Claude Code

Ngôn ngữ chính
Shell
Star
0
Fork
1
Merge trung bình
6 giờ 16 phút
Pull request đã merge (30 ngày)
7

Chuẩn bị môi trường

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Issue khác của rossoctl/moca-experiments

Tất cả issue của rossoctl/moca-experiments

Issue tương tự

Thêm issue về Shell/Bash

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.