Sequential Field Updates

필드를 순서대로 조립하기

Gooo에서 기록값의 필드를 하나씩 바꾸고, 바뀐 값을 다음 필드에서 사용할 수 있도록 개발하고 있습니다. 제목과 상태를 먼저 정한 뒤, 두 값을 합쳐 설명을 만드는 식입니다. 개발 PR1233과 main PR1234을 전체12개 검사와 독립 확인 후 병합했습니다. 순차 실험 당시 설치본은 main a5f6e8c668ff9fc7cfe3367a5019b50fbcadc1fa·Go1.27.1·SDKv0.2.23였습니다. 예제 받기·생성·결과 읽기·재실행을 따라할 수 있습니다.

let copy = input0
let saved = copy
copy.title = input0.title
copy.state = "ready"
copy.reason = saved.reason + ":" + copy.state
return copy

saved는 저장한 시점의 값입니다. 이후copy를 바꾸어도saved는 원래 필드를 가지고 있습니다. 문자열 하나를 저장한 변수도 그 시점의 값을 유지합니다. Gooo의 실제 실행과 생성된 Go가 같은 복사·순서 의미를 따르도록 연결했습니다.

두 후보식 중에서 조립

assembling 선언에field_update를 적으면 대입식의 오른쪽을 선택할 수 있습니다.

choice "state" field_update at "1" alternative "\"ready\"" intent "상태를 ready로 만든다."

at "1"은 기본 본문에서 두 번째 필드 대입식입니다. 생성자 필드에 쓰는 field_value와 번호를 따로 세므로 기존 생성자 선택의 위치가 유지됩니다. 후보식의 타입과 지역 변수 범위는 실제 본문의 위치에서 검사합니다. 제목·상태·설명처럼 세 선택이 있으면 작은 공유 모델이 여덟 조합의 순서를 한 번 판단합니다. 모델을 생략하면 정해진 순서대로 시도합니다.

이번 관측을 읽는 방법

여섯 코드 형태·한글/영어·두 방식·시도1/2/8로72개 유효한 그래프를 만들고, 네 입력으로 두 번씩 실행했습니다. 모델 가중치를 추가 학습 없이 사용했습니다. 각 시도 예산의12개 그래프에서 첫 모델 후보는 실행 필드144/144개, 활동 출력96/96개를 맞췄습니다. 결정론적 시도1/2/8은 필드12/56/144개를 맞췄습니다. 전체 생성·빌드·실행은 두 방식 모두 약310ms였습니다.

모든 목표가 세 대안식을 고르는 같은 조합이었습니다. 이 점수에는 한 선택을 선호하는 모델의 편향도 작용할 수 있습니다. 서로 다른 요구를 구분하는 능력은 앞선 혼합·새 표현 결과와 함께 읽습니다. 처음에 기본식에서 사용하지 않은 저장 변수로24개 소스가 실패한 기록도 남겼습니다. 이를 고친 계획·원본·집계와 비용은 GitHub 실험과 Hugging Face에 공개했습니다.

다음에 모델이 알아야 할 것

공개 v1 특징 배열은copy.state와saved.state를 같은 모양으로 봅니다. 표현 전체는 기록하지만, 모델 계산에는 값이 어느 지역 변수 정의에서 왔는지 들어가지 않습니다. 현재 값과 저장값을 구분하고 이전 갱신을 따라갈 수 있도록 새 값의 출처 입력을 구현해 main에 연결했습니다. 새 가중치 학습은 다음 단계입니다. 실행에서 확인한 완전성과 남은 필드를 계속 분리해 기록합니다.

Linux에서 새로 실행한72개 그래프·144회 실행도 모든 후보·실제 값과 충족 수가 Mac과 같았습니다. 원본을 내려받아 독립 재계산했고 연구CI27개 작업이 통과했습니다. 각 환경의 시간은 따로 공개합니다. 설치본은 선택 필드15/15개·실제 출력14/14개와 추가 추론 없는 저장 결과 재실행을 확인했습니다.

설치 후72개 그래프를 추가로 실행해 이전 후보·응답·실제 값이 같은지 확인했습니다. 두 작업자의4회 관측은 각각32개 요청·384/384 선택 필드를 완료했습니다. 모두 입력 종료 전에 첫 응답이 나왔습니다. 첫 관측525.86ms, 반복6.7110.37ms·작업자RAM22.8823.41MiB입니다. 추가 원본을 모두 합치면18.98MiB로 처음16MiB 목표를 넘었습니다. 원본과 용량을 함께 보존합니다.

다음 실험 계획은 현재 값·저장값의 출처 관측과 혼합 요구를 다룹니다. 아직 학습 결과로 계산하지 않습니다.