FR
Geodi, personnage officiel de GEODE en pixel art
Retour à la salle

GEODE

Autonomous Agent Harness

De l’observation à l’action suivante.

Un harnais local d’agent autonome auquel confier recherche, travail sur fichiers et tâches planifiées.

2026.02.21 — present

Conception, jugement, vérification : Author · implémentation : Claude · revue : Codex

  • CLIPublié · PyPI
  • Serveur MCPImplémenté

Des rollouts aux preuves

Un taux de réussite seul ne peut pas expliquer une exécution. Je conserve l’ordre des événements, les appels d’outils et leurs résultats, la lignée des nouvelles tentatives et les preuves de vérificateurs indépendants, puis je relie les parties publiables. Ces expériences montrent comment les contrats d’enregistrement et d’évaluation ont évolué.

Par expérience · par date

Les six expériences sont placées par ordre de date ; elles ne forment pas un processus d’optimisation continu. SIL n’alimente pas automatiquement Crucible ni Jev, et rien n’affirme que GEODE en production n’a cessé de s’améliorer. Les dates sont celles des expériences et des instantanés de publication, et les flèches ne servent qu’aux étapes internes d’une expérience.

  1. June 3, 2026 to June 4, 2026SIL · recherche de politiques externe

    Un KEEP issu d’un seul audit a été revérifié par des mesures répétées

    QuestionUne mutation de politique a-t-elle amélioré l’usage des outils au-delà du bruit d’audit ?

    Expérience externe · hors du runtime GEODE

    1. Référence · K=5
    2. Une mutation de politique
    3. Audit Petri
    4. Mesure répétée
      • Conserver
      • Revenir
    Ce qui a changé
    Dans cette expérience, des mesures répétées ont été ajoutées à l’audit unique d’une mutation avant de décider de la conserver ou d’y revenir. Des amorces appariées en difficulté et une référence K=5 ont été ajoutées, et les bras never, random et gate séparent la dérive sans changement des changements acceptés.
    Ce que cela étaye
    Remesuré, le candidat retenu sur un seul audit s’est révélé pire que la référence (plus bas est meilleur), et son adoption a été annulée. Cette expérience a conclu à l’absence d’amélioration robuste. C’est un audit comportemental Petri broken_tool_use, pas une récompense d’achèvement de tâche.

  2. July 11, 2026 to July 13, 2026Crucible · noyau d’expérimentation externe

    Rester dans la recherche et atteindre le produit sont des verdicts distincts

    QuestionLes preuves pour garder un candidat dans la recherche sont-elles les mêmes que celles pour le promouvoir et le publier dans le produit ?

    Noyau Crucible externe · checkout de mesure séparé

    1. Candidat · lignée parente
    2. Contrôle du contrat figé
    3. Mesure appariée
      • KEEPseulement vers un verdict scellé distinct
      • REJECT
      • INVALIDnull, pas 0%
    Ce qui a changé
    Les candidats rejetés et invalides sont conservés avec leur lignée parente, et la sélection en train, l’éligibilité scellée et l’autorité de publication du produit sont des enregistrements distincts.
    Ce que cela étaye
    r14 a été KEEP en train (six unités de tâches, un essai chacune, sans autorité de promotion), mais son verdict scellé distinct était REJECT (sans autorité de promotion ni de publication du produit). r35 est INVALID pour couverture incomplète et contamination d’infrastructure ; sans ligne appariée, sa moyenne reste null. Il ne s’agit ni d’une automodification du runtime ni d’une chaîne de déploiement SIL → Crucible.

  3. July 21, 2026 · July 31, 2026Affinage · publication

    Les enregistrements restants ont été classés, et seul ce qui peut être partagé est devenu une version immuable

    QuestionQue peut-on réellement reconstruire, et que peut-on partager sans risque ?

    1. Source privéeEnregistrement de session · preuves nativesrésultat natif · vérificateur inclus
      • Événements normalisésgarder ordre · identité
    2. Événements normalisésidentité · ordre · paires appel-résultat
      • Candidat publicliste d’autorisation · caviardage · digest
    3. Candidat publicen cours de revue
      • Contrôles d’intégrité · de confidentialitécontrôler
    4. Contrôles d’intégrité · de confidentialitéappariement · lignée · périmètre
      • Version immuableoctets revus seulement
    5. Dépôt publicVersion immuablemanifest · résultats natifs référencés par digest
      • Relecture distantevérifier le hash
    6. Relecture distanteSHA-256 fixé
    Ce qui a changé
    L’inventaire du July 21, 2026 a classé par source les enregistrements de dialogue, d’outils, de recherche et de décision, et les doublons d’une même source n’ont pas été comptés comme exemples indépendants. À partir du July 31, 2026, geode.trajectory@1 et geode.trajectory-release@1 rendent explicites l’identité, l’ordre des événements, les paires appel-résultat, l’intégrité du périmètre et du rejeu, et des manifests liés au contenu. Les copies publiques transformées et les originaux gardent des digests distincts.
    Ce que cela étaye
    Ici, l’affinage désigne normalisation, corrélation, caviardage explicite, lignée et admission à la publication. Il ne reconstruit pas un raisonnement caché et ne déclare pas un jeu de données prêt pour l’entraînement. Un périmètre complet n’est pas un rejeu octet par octet complet quand des corps privés sont remplacés par des digests.

  4. August 25, 2026Learning view

    Un rollout et ses preuves ont été liés par des identifiants

    QuestionQuelle entrée, quelle tentative, quelle séquence d’événements et quelle récompense vont ensemble ?

    geode.eval-learning-view@2 · joint par ID et digests vérifiés, pas un ordre causal

    1. example
    2. rollout
    3. trajectory
    4. reward

    Les receipts du vérificateur natif détiennent la récompense. Les nouvelles tentatives d’infrastructure sont des tentatives au sein d’un même rollout.

    Ce qui a changé
    Les trajectoires immuables sont réutilisées par des jointures à périmètre défini, et les récompenses restent des étiquettes dérivées détenues par l’évaluateur. Les nouvelles tentatives d’infrastructure n’ajoutent pas de rollouts. Un 0 observé est conservé et une récompense manquante vaut null ; les tentatives invalides ou interrompues sont exclues de la sélection de la récompense. La validité est une propriété du rollout, et non automatiquement une récompense null.
    Ce que cela étaye
    Une exécution Terminal-Bench fast-3 avec Harbor 0.8.0 (trois tâches, 3/3) et un diagnostic Tau2 sur trois domaines (1/3, deux zéros valides) sont liés dans la même structure. Ce sont des candidats pour le post-entraînement, ni des jeux de données utilisés pour l’entraînement ni des preuves de poids améliorés, et un résultat sur trois tâches n’est pas une exactitude de suite.

  5. August 27, 2026 to September 5, 2026Harbor · Terminal-Bench 2.1

    Un même essai a produit séparément le résultat et l’enregistrement de rejeu

    QuestionComment l’exécution réelle d’une tâche devient-elle un résultat et un rejeu inspectable ?

    1. Tâche figée · specfixée à l’avance · cinq répétitions
      • Essai isoléinstructions · environnement · limites
    2. Essai Harbor 0.22.0 · exécution réelleEssai isoléGEODE comme acteur
      • Actions et état finalexécuter
    3. Actions et état finalcomportement observé
      • Vérificateur de la tâchecontrôler l’état de la tâche
      • ATIF · projection en événements publicsprojeter les événements enregistrés
    4. Vérificateur de la tâche
      • Récompense native · receiptrécompense
    5. Récompense native · receipt
      • Analyse de la tentative sélectionnéesélection figée
    6. ATIF · projection en événements publicspost-traitement · pas une nouvelle exécution
    7. Analyse de la tentative sélectionnéerègle de sélection figée
    Ce qui a changé
    La spec figée, chaque tentative, le résultat sélectionné, le vérificateur propre à la tâche et un rejeu fidèle mais limité sont conservés comme enregistrements liés distincts. Harbor 0.22.0 a exécuté cinq répétitions avec GPT-5.6 Sol/max, en comparant GEODE (alors un adaptateur à un seul outil terminal) et Codex.
    Ce que cela étaye
    Une tâche détient instructions, environnement et tests ; un essai est une tentative ; un job regroupe des essais. Le vérificateur propre à la tâche décide de la récompense, et le juge d’achèvement interne de GEODE est un retour d’exécution. Le rejeu public est une projection a posteriori des événements d’outils enregistrés, ni un PTY brut ni une nouvelle exécution, et aucune commande n’a été inventée pour les cases manquantes. La métrique principale préenregistrée n’a pas pu être mesurée.

  6. September 24, 2026 to September 28, 2026Jev · délégation de décisions

    Un candidat correct exige encore une vérification de la livraison

    QuestionUn jugement délégué préserve-t-il réellement la qualité de la tâche et la livraison finale ?

    1. U8n · exécution Noul · Harbor 0.22 · Astra exécute et répare, seul le routage du jugement changeÉtat de décisioncontrat de tâche · candidat · observations d’outils
      • Jugement · Noulentrée du jugement
    2. Jugement · NoulAstra ou Jev
      • GEODE consommeprobabilités par condition
    3. GEODE consommeétayé : livrer ; preuves manquantes : retenir
      • Livraison finaleétayé
      • Réparation Astrapreuves manquantes · retenir
    4. Livraison finale
      • Contrôle indépendant du résultatrésultat livré
    5. Réparation Astracandidat suivant après retour
      • Jugement · Nouljuger à nouveau
      • Dernier candidat · conservédernier candidat conservé
    6. Contrôle indépendant du résultatoracle à règles · résultat livré
    7. Panels fixes U3jugement seul · ni acteur, ni outils, ni Harbor
    8. Diagnostic a posteriori · après l’exécutionDernier candidat · conservé
      • Diagnostic par oracle a posterioricontrôle a posteriori
    9. Diagnostic par oracle a posterioriexactitude du candidat · sans effet sur la livraison
    Ce qui a changé
    L’acceptation du jugement, l’exactitude du candidat et la livraison finale sont consignées comme des issues distinctes, et les lignées de préparation, d’échec et de réparation sont conservées dans la copie publique. Les hashes d’origine et ceux des copies publiques transformées restent séparés.
    Ce que cela étaye
    Dans les 11 paires a posteriori de l’étude U8n interrompue, le dernier candidat était correct dans les deux bras, mais la livraison était Astra 11/11 et Jev Noul 0/11 : le jugement de preuves manquantes de Jev Noul a retenu la livraison. C’est une analyse a posteriori, non généralisée. Le recalcul numérique public, l’inspection du rejeu et une nouvelle exécution réelle sont trois opérations différentes.