GEODE
Autonomous Agent Harness
Vaatlusest järgmise tegevuseni.
Kohalik autonoomse agendi rakis, millele saab anda uurimistööd, failitöid ja ajastatud ülesandeid.
Ülevaatuse tagasi saadetud teostused, ümberarvutatud uurimisnäitajad
Kaks juhtumit, kus ülevaatus saatis teostuse tagasi, ja üks, kus uurimisnäitajad arvutati ümber, originaalid säilitades. Iga roll on ainult see, mida selle juhtumi kirje näitab.
June 13, 2026
Tavateel läbinud teostuse saatis ülevaatus veateede tõttu kaks korda tagasi
InimeneAuthor
TegevusPuuduv telemeetria · kontrollitav vaikne varulahendus
- üleandmineTõrked, mis peavad olema nähtavad→ Tüübitud tegevusrida · varulahendus märgitud (Claude Fable 5)
KodeerimisagentClaude Fable 5
TegevusTüübitud tegevusrida · varulahendus märgitud
- üleandmine→ commit 64bd223 (Avalikud commitid)
- üleandmineDiff · tõrketeed→ BLOCKER: üldine varulahendus salvestab toore details=data (Codex)
ArtefaktidAvalikud commitid
Artefaktcommit 64bd223
Ülevaatus · verifitseerimineCodex
Vaatlus · leidBLOCKER: üldine varulahendus salvestab toore details=data
- tagasi saadetudTavatee kaitse ka eranditeel→ Tundlikud väljad eemaldatakse ka varulahenduses (Claude Fable 5)
KodeerimisagentClaude Fable 5
TegevusTundlikud väljad eemaldatakse ka varulahenduses
- üleandmine→ c808e78 · K4 taasesituskontroll (Avalikud commitid)
- üleandmineParandus uuesti üle vaadatud→ BLOCKER #2: ValidationError'i tekst paljastab väärtused uuesti (Codex)
ArtefaktidAvalikud commitid
Artefaktc808e78 · K4 taasesituskontroll
Ülevaatus · verifitseerimineCodex
Vaatlus · leidBLOCKER #2: ValidationError'i tekst paljastab väärtused uuesti
- tagasi saadetudVea põhjus ilma toorväärtusteta→ Alles ainult veatüüp · välja tee; args_preview eemaldatud (Claude Fable 5)
KodeerimisagentClaude Fable 5
TegevusAlles ainult veatüüp · välja tee; args_preview eemaldatud
- üleandmine→ 8dcb386 · K5 taasesituskontroll (Avalikud commitid)
ArtefaktidAvalikud commitid
Artefakt8dcb386 · K5 taasesituskontroll
- mitte salvestatud täitmineKontrollitud ulatus→ Tollast täielikku CI-d ja lõpliku ülevaatuse PASS-i ei loetud uuesti (Avalikud commitid)
ArtefaktidAvalikud commitid
Reegel · verifitseerimataTollast täielikku CI-d ja lõpliku ülevaatuse PASS-i ei loetud uuesti
- Kontekst
- Muudatus tegi jälgitavussündmustest tüübitud tegevusread ja lõpetas varulahenduste vaikse kasutamise. Codexi ülevaatus jättis kaks BLOCKERit ning iga parandusega kaasnes kontroll, mis taasesitab leitud möödapääsu.
- Tulemus
- K4 kutsub vale tüübiga esile päris varulahenduse ja kontrollib, et ükski toores väli ei säiliks; K5 kontrollib, et veakirjeldus sisaldaks ainult väljanimesid ja veatüüpe, mitte kunagi sisendväärtusi. Need kontrollid taasesitavad ülevaatuse leitud möödapääse; need ei kopeeri teostuse konstante.
- Piirang
- Algset MCP-ülevaatuse vestlust ei avatud; ülevaatuse roll on tuvastatud commitide ja tollal kirjutatud CHANGELOGi põhjal. See juhtum ei taga, et ükski GEODE logi ei säilita kunagi tundlikke andmeid.
Allikad ja allesjäävad piirangud
- Kõik kolm commitit märgivad Claude Fable 5 panust ning c808e78 ja 8dcb386 salvestavad vastavalt Codexi BLOCKERi ja BLOCKER #2.
- Praegust (oktoober 2026) kaastöö poliitikat ei loeta tagantjärele selle juhtumi juhiseks.
May 26, 2026
Skoori kustutav muudatus kitsendati kontrolliks, kus skoori tohib kasutada
KodeerimisagentTeostus
Vaatlus · leidVajadus: seda väärtust ei kasutata fitness-teljena
- üleandmineEsimene hüpotees→ Esimene mustand: väärtus eemaldatakse baseline writeris (Teostus)
ArendusesTarbijad tootes
Vaatlus · leidEsimesel genereerimisel on baseline väärtuse scenario_realism ainus allikas
- üleandmineTegelik tarbija jälitatud→ Leid: rikub critic'u algse sisendi (Codex)
KodeerimisagentTeostus
TegevusEsimene mustand: väärtus eemaldatakse baseline writeris
- üleandmineMuudatus üle vaadatud→ Leid: rikub critic'u algse sisendi (Codex)
Ülevaatus · verifitseerimineCodex
Vaatlus · leidLeid: rikub critic'u algse sisendi
- tagasi saadetudOlemasolev sisendileping säilitatakse→ Writeri muudatus tühistatud · andmed alles (Teostus)
KodeerimisagentTeostus
TegevusWriteri muudatus tühistatud · andmed alles
- üleandmineValmiduskriteerium nihutatud→ 4 invarianti: puudub ainult fitness-pindadelt (Avalik commit · PR)
ArtefaktidAvalik commit · PR
Artefakt4 invarianti: puudub ainult fitness-pindadelt
- üleandmineLõplik diff→ 0792e81 → PR #1690 liidetud (Avalik commit · PR)
ArtefaktidAvalik commit · PR
Artefakt0792e81 → PR #1690 liidetud
- Kontekst
- Muudatuse eesmärk oli takistada väärtust scenario_realism toimimast fitness-teljena välises Scaffold Searchis. Kui ülevaatus jälitas väärtuse esimese lugeja, tehti muudatus väiksemaks, mitte suuremaks.
- Tulemus
- Baseline'i väärtus jääb alles; neli kontrolli fikseerivad, et seda dimensiooni pole välise otsingu AXIS_TIERS-, DIM_WEIGHTS- ega tier-loendites.
- Piirang
- Tühistatud writeri muudatuse taga olevat seanssi ei vaadatud; see on tuvastatud commiti ja tollal kirjutatud testikirjelduste põhjal. Need kontrollid ei ole tõend otsingu jõudluse ega SIL-i paranemise kohta.
Allikad ja allesjäävad piirangud
- Critic ja evolver on andmete tarbijad arendatavas tootes, mitte kodeerimisagent ega selle ehitamiseks kasutatud Codexi ülevaataja.
- PR #1690 pealkirjas on endiselt „filter“; tegelik muudatus on lõplik diff ja commit.
September 27, 2026 to September 28, 2026
Piirväärtuse paranduse järel taasesitati kõigepealt algsed tulemused ja seejärel arvutati need ümber
TööseanssAnalüüsi teostaja
Vaatlus · leidTäpselt tolerantsipiiril olevad väärtused tagasi lükatud
- üleandmineVastuvõtuviga, mitte mudeli võime→ Võrdlus kümnendarvudena · tolerantsid muutmata (Analüüsi teostaja)
TööseanssAnalüüsi teostaja
TegevusVõrdlus kümnendarvudena · tolerantsid muutmata
- üleandmine→ 4be7a17 · kontrollid piiri sees / väljas (Artefaktid)
ArtefaktidArtefaktid
Artefakt4be7a17 · kontrollid piiri sees / väljas
InimeneAuthor
TegevusDelegeeritud: ainult kõigi salvestatud U4 · X2 tulemuste offline-parandus
- üleandmineLubatud ulatus→ contract.json: sisendid · reeglid fikseeritud, mudelikutseteta (Artefaktid)
ArtefaktidArtefaktid
Artefaktcontract.json: sisendid · reeglid fikseeritud, mudelikutseteta
- üleandmineFikseeritud tingimused→ Kõigepealt taasesitatakse varasemad tulemused · nimetajad · CI-d (Analüüsi teostaja)
TööseanssAnalüüsi teostaja
TegevusKõigepealt taasesitatakse varasemad tulemused · nimetajad · CI-d
- üleandminePärast taasesitust→ Parandus arvutatakse samadest sisenditest eraldi (Analüüsi teostaja)
TööseanssAnalüüsi teostaja
TegevusParandus arvutatakse samadest sisenditest eraldi
- üleandmine→ receipt: 24 originaali säilitatud · 0 mudelikutset (Artefaktid)
- üleandmineLahtrivektorid, mitte kokkuvõtted→ Võitjate · CI-de ümberarvutus lahtrivektoritest · räside võrdlus (Sõltumatu kontrollija)
ArtefaktidArtefaktid
Artefaktreceipt: 24 originaali säilitatud · 0 mudelikutset
Ülevaatus · verifitseerimineSõltumatu kontrollija
TegevusVõitjate · CI-de ümberarvutus lahtrivektoritest · räside võrdlus
- üleandmine→ independent-review: verdiktid püsivad, piirangud välja toodud (Artefaktid)
ArtefaktidArtefaktid
Artefaktindependent-review: verdiktid püsivad, piirangud välja toodud
- Kontekst
- Jevi uurimistööriistas lükati tagasi tüübitud arvulised vastused, mis asusid täpselt tolerantsipiiril. Pärast parandust arvutati iga salvestatud tulemus ümber ilma uute mudelikäivitusteta ning arvutav ja verifitseeriv pool hoiti lahus.
- Tulemus
- Verdiktid püsisid pärast parandust (U4 not-supported, X2 mixed). Arvulise vea parandamine ja uurimishüpoteesi toetamine hoiti lahus.
- Piirang
- Tagantjärele tehtud parandus, mitte uus mudelikatse. 640 Astra listwise lahtrit, millel pole algset vastust, säilitavad salvestatud võitja, ja ka sõltumatu ülevaatus ei parsinud privaatseid vastuse kehasid uuesti.
Allikad ja allesjäävad piirangud
- Skoori tolerantsi 0.03 ja jaotuse summa tolerantsi 0.025 ei muudetud. Parandatud näitajad on U4 58/80 → 59/80 ja X2 194/240 → 196/240.
- Avalik parandusekirje ei nimeta kirjutava ega verifitseeriva poole mudelit ning 4be7a17 ei märgi Claude'i ega Codexit, seega ei anta kummalegi veerule mudeli nime.