Skip to content

v2.45.1 — AOE-CALIB-005 阶段 B 补登:kimi 复跑零故障,over-cap 归因修正,v2.1 零误伤复验加强

Choose a tag to compare

@ZhangRui987 ZhangRui987 released this 16 Sep 13:44
· 43 commits to main since this release

执行事实

阶段 B kimi 复跑 80/80 episode 完成(1h21m,EXIT=0),零 TIMEOUT / 零 api-error / 零环境中止——CALIB-004 的「182 次失败调用」故障模式未复现。首次复跑 7h20m 未完成被终止(慢调用堆积,非死锁;单发探针确认服务端已恢复后重跑)。

附录核心发现(non-preregistered,沿例标注)

  1. over-cap 是 kimi 的真实行为模式,非 API 故障产物:复跑 end 分布 over-cap 74/80(92.5%),violation source 仅 over-attempt-cap 一种(零 post-hoc / unauthorized-write),且跨 profile 均匀分布(B 载体也 23/24)——CALIB-004 将 kimi 的 7 个 over-cap 归因于「API 故障级联」需要修正:API 故障至多是放大器,over-cap 主要反映 kimi 的「低努力重试」行为倾向。
  2. v2.1「B 零误伤」经数据替换复验加强:混合数据集(三家原数据 + kimi 复跑替换污染格,n=320)剔 over-cap 后 B 非零 O = 0/96,θ* 下 V 触发 38/192——阶段 A 结论保持。
  3. kimi 复跑无真操守违规(原 kimi 数据含 4 条,替换后 V 捕获 42→38)——如实登记。
  4. over-cap 与 profile 无关、与模型强相关——把它计进操守通道会把「能力弱/重试多」误判为「操守败坏」,v2.1 构成条款(over-cap 归能力/协议通道)获复验加强。

边界

附录为 non-preregistered 复验,不替代量规 v2.1 的预注册复验(后续钩子);阶段 A 判定不变。

验证

41 项门禁全 PASS;提交 fe785a3 已推送并 ls-remote 双端核实(tag 指向同 commit)。