Skip to content

Record one-more paper round deployment #34

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Merged
estelledc merged 1 commit into from
Jul 14, 2026
Merged

Record one-more paper round deployment #34

Changes from all commits
Commits
Show all changes
1 commit
Select commit
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
15 changes: 10 additions & 5 deletions SESSION-HANDOFF.md
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -2,11 +2,13 @@

> 状态：当前接班入口。旧的批量生产 session 快照已失效，不得用于恢复自动循环；持续运行使用只读 supervisor + 有界 writer epoch。

## 2026-07-14 总结不足后再推进 4 篇补强论文
## 2026-07-14 总结不足后再推进 4 篇补强论文全流程完成记录

- status：`local-ready`（已完成本地内容、receipt、atlas 和主要门禁；远端 PR / merge / Pages deploy 仍以实时外部状态为准）。
- status：`complete`
- 起始 ref：`6dd71d8868a0142b88f2afefbdce353dba147678`（PR #32 merge 后的 `origin/main`）。
- 分支：`study/papers-20260714-one-more-round`。
- 完成 ref：`28fd221feba93217c887d4856f6963ec00405a2a`（PR #33 merge commit）。
- external delta：PR #33 `Add four focused agent evaluation paper notes` 已合并；GitHub Pages workflow `29337616982` 已成功完成，公开站点为 `https://estelledc.github.io/study/`。
- 内容 delta：新增 4 篇 `study-v2` paper note（`mle-bench`、`terminal-bench`、`ruler-long-context`、`visualwebarena`）、4 份 `study-review-receipt-v1`，并刷新 atlas / note-index / 公开规模文案；当前公开计数为 projects=961、papers=1067、total=2028。
- 本轮不足总结：上一轮 40 篇完成了规模和部署闭环，但多数卡片仍是 `STATIC_ANALYSIS` / `UNVERIFIED`；部分卡片 91 行、低于建议 100 行；L4 主要是 toy / manual simulation；主题上对 ML 工程 agent、终端 agent、长上下文有效窗口、视觉 Web GUI agent 的覆盖仍不够。
- 本轮 objective：新增 4 篇更厚的 `study-v2` paper note，分别补强 `MLE-bench`、`Terminal-Bench`、`RULER`、`VisualWebArena`，保持 `UNVERIFIED` 边界，不声明运行真实 benchmark。
- scope：允许新增 `src/content/docs/papers/*.md`、`data/review-receipts/papers/*.json`，刷新 `data/note-index.json`、papers atlas 派生页和公开计数文案；不修改候选队列、policy/threshold、既有论文正文语义。
Expand All @@ -21,10 +23,13 @@
- `npm run audit:links` / `npm run audit:wikilinks`：无 blocking；
- `git ls-files -co --exclude-standard -z | node scripts/audit-public-redlines.mjs --stdin0`：0 blocking；
- `npm run build:strict -- --log /tmp/study-one-more-round-build-clean.log`：通过；首次失败由 stale `.astro` cache 触发 duplicate-id warning，删除 ignored cache 后恢复；
- `git diff --check`：通过。
- `STUDY_CHANGED_FROM=origin/main npm run verify:ci`：本地通过；PR #33 远端 CI `29337305373` 通过；
- `git diff --check`：通过；
- 线上冒烟：主页和 `mle-bench`、`terminal-bench`、`ruler-long-context`、`visualwebarena` 均返回 200，并可见对应标题与 `UNVERIFIED` 边界。
- budget：1 个内容小批次、4 篇新增 paper、1 个可写切片、1 个本地 writer。
- external_outcome：当前为本地 review-ready branch；PR、merge 和 Pages deploy 需要以单独外部动作完成并复核。
- external_outcome：4 篇新增论文笔记进入公开 study 站点；验证状态保持 `UNVERIFIED`。
- stop_conditions：规范工具链不可用；arXiv 来源不可核验；content contract / redline / strict build 失败且无法在 scope 内修复；需要改 policy/threshold、候选队列或敏感内容；用户停止。
- 最终状态：`main...origin/main` 对齐；下一次写入只能由新的显式 backlog、外部状态变化或用户重新授权触发。
- superseded_by：`none`

## 2026-07-14 新增 40 篇论文全流程完成记录
Expand Down