SK
Geodi, oficiálna pixelová postava GEODE
Späť do sály

GEODE

Autonomous Agent Harness

Od pozorovania k ďalšej akcii.

Lokálny harness autonómneho agenta, ktorému sa dá zveriť výskum, práca so súbormi a plánované úlohy.

2026.02.21 — present

Návrh, posúdenie, overenie: autor · implementácia: Claude · revízia: Codex

  • CLIZverejnené · PyPI
  • Server MCPImplementované

Prijatie kandidáta a oprávnenie na vydanie sú samostatné rozhodnutia.

Crucible je experimentálne jadro oddelené od hľadania politík. Kandidátsky commit sa validuje voči povoleným plochám a zmrazenému kontraktu, párové úlohy sa agregujú v samostatnom meracom checkoute a výsledkom je KEEP, REJECT alebo INVALID.

Mapa Crucible · nakreslené podľa pripnutého commitu 9e2c041 a verejných artefaktov 23e3428
Mapa Crucible v GEODEExperimentálne jadro, ktoré drží prijatie kandidáta, zapečatenú spôsobilosť a vydanie produktu ako samostatné oprávnenia. Supervisor prevezme od producenta jeden kandidátsky commit, skontroluje ho voči povolenej ploche a zmrazenému evaluátoru a úlohy tau2 spustí v izolovanom meracom checkoute. promotion.py agreguje párové výsledky podľa predregistrovaných úloh a rodín do KEEP, REJECT alebo INVALID; KEEP posúva len head hľadania. Zapečatená evaluácia posudzuje train bundle na jednorazovom disjunktnom test packu; aj ELIGIBLE dosiahne len na eligible ref, bez oprávnenia na vydanie.Modely aktéra · používateľar14 · r35: gpt-5.4/highProstredie tau2úlohy · simulovaný používateľVydanie produktu GEODEbez spojenia · samostatné oprávneniesearch/producerspríkaz producenta · konfigurovanýreplay producersearch/supervisor.pypropose → preflightevaluate → decide → recordcontract.pypovolená plocha · diff kandidátazmrazený evaluátor · predregistrovanýattempt/feedback.jsonkódy zlyhaní · ID úloh trainmeasurement checkoutizolované od producentaassays/beh tau2 · receiptverifikátor úlohpromotion.pypárová agregácia · úloha · rodinaKEEP · REJECT · INVALIDattestation/bundle.pytrain bundle · prepočítaný KEEPattestation/sealed.pydisjunktný test pack · použitý razELIGIBLE · release_authority nonerefs/cruciblesearch/* headeligible/*geode-eval-artifactsr14 · train KEEP → sealed REJECTr35 · INVALID · 0 párov · nullevolve/crucibleexterné experimentálne jadro · oddelené od SILhľadanie · rozhodnutie trainattestation · sealed1 žiadosť o kandidáta · propose → preflight → search/producers12 jeden kandidátsky commit · search/producers → propose → preflight23 povolená plocha · kontrola diffu · propose → preflight → povolená plocha · diff kandidáta34izolovaný checkout5beh s pevným kontraktom6dialóg aktéra · používateľa7volania modelu8paired evidence9predregistrovaná agregácia10KEEP · head sa posúva1paired evidence2predregistrovaná agregácia3REJECT · INVALID4kódy zlyhaní · ID úloh1record · ref receipt2 len train bundle · raz · train bundle · prepočítaný KEEP → disjunktný test pack · použitý raz23 len eligible ref · ELIGIBLE · release_authority none → eligible/*31verejný verdict.json2sealed decision.json

Rozhodnutie train

Jeden kandidát v povolenej ploche sa zmeria s pevným kontraktom v izolovanom checkoute a predregistrované pravidlá rozhodnú o KEEP, REJECT alebo INVALID.

  1. propose → preflightsearch/supervisor.pyžiadosť o kandidátasearch/producers

    Supervisor hľadania požiada producenta o kandidáta. Kandidát r14 bol skorší kandidát (r13) znova aplikovaný producentom replay, nie nový kandidát vygenerovaný LLM.

  2. search/producersjeden kandidátsky commitpropose → preflightsearch/supervisor.py

    Producent vráti jediný kandidátsky commit v rámci povolených ciest.

  3. propose → preflightsearch/supervisor.pypovolená plocha · kontrola diffupovolená plocha · diff kandidátacontract.py

    Diff kandidáta musí zostať v ploche povolenej kontraktom a zmrazený evaluátor sa overuje. V r14 a r35 bol povoleným cieľom jediný súbor, tau2_agent_policy.md; core a implementácia Crucible boli zafixované ako cesta evaluátora.

  4. evaluate → decide → recordsearch/supervisor.pyizolovaný checkoutizolované od producentameasurement checkout

    Kandidát sa kontroluje v meracom checkoute oddelenom od producenta.

  5. izolované od producentameasurement checkoutbeh s pevným kontraktombeh tau2 · receiptassays/

    Baseline aj kandidát bežia s rovnakým kontraktom, seedom a úlohami.

  6. beh tau2 · receiptassays/dialóg aktéra · používateľaProstredie tau2

    Agent GEODE (aktér) hovorí v prostredí úloh tau2 so simulovaným používateľom, ktorého vlastní evaluátor.

  7. beh tau2 · receiptassays/volania modeluModely aktéra · používateľa

    V r14 a r35 boli aktér aj simulovaný používateľ gpt-5.4/high (predplatné).

  8. verifikátor úlohassays/paired evidencepárová agregácia · úloha · rodinapromotion.py

    Výsledky verifikátora úloh sa uchovávajú ako páry baseline–kandidát.

  9. zmrazený evaluátor · predregistrovanýcontract.pypredregistrovaná agregáciapárová agregácia · úloha · rodinapromotion.py

    Párové výsledky sa agregujú podľa úloh a predregistrovaných rodín a podmienky rozpočtu, pokrytia, infraštruktúry a bezpečnosti sa kontrolujú osobitne.

  10. KEEP · REJECT · INVALIDpromotion.pyKEEP · head sa posúvasearch/* headrefs/crucible

    Pri KEEP sa kandidát stane ďalším headom refs/crucible/search/*. promotion_authority rozhodnutia train je none.

Zamietnutie · neplatnosť · spätná väzba

REJECT a INVALID ponechávajú head a ďalší kandidát dostane len kódy zlyhaní a pevné ID úloh train. INVALID nie je nulové skóre.

  1. verifikátor úlohassays/paired evidencepárová agregácia · úloha · rodinapromotion.py

    Výsledky verifikátora úloh sa uchovávajú ako páry baseline–kandidát.

  2. zmrazený evaluátor · predregistrovanýcontract.pypredregistrovaná agregáciapárová agregácia · úloha · rodinapromotion.py

    Párové výsledky sa agregujú podľa úloh a predregistrovaných rodín a podmienky rozpočtu, pokrytia, infraštruktúry a bezpečnosti sa kontrolujú osobitne.

  3. KEEP · REJECT · INVALIDpromotion.pyREJECT · INVALIDkódy zlyhaní · ID úloh trainattempt/feedback.json

    Pri zamietnutí alebo neplatnosti zostáva predchádzajúci head a kandidát aj jeho záznamy sa uchovávajú. Priemer INVALID je null, nie nula.

  4. kódy zlyhaní · ID úloh trainattempt/feedback.jsonkódy zlyhaní · ID úlohsearch/producers

    Spätná väzba pre ďalšieho kandidáta sa obmedzuje na kódy zlyhaní a pevné ID úloh train; žiadne trajektórie ani odpovede evaluátora sa neodovzdávajú.

Zapečatená spôsobilosť · samostatné oprávnenie

Train KEEP posúva len head hľadania. Zapečatená spôsobilosť dosiahne len na eligible ref; vydanie a nasadenie produktu sú samostatné oprávnenia mimo Crucible.

  1. evaluate → decide → recordsearch/supervisor.pyrecord · ref receipttrain bundle · prepočítaný KEEPattestation/bundle.py

    Train bundle platí len vtedy, keď na seba nadväzujú kontrakt, doklady baseline a kandidáta, prepočítaný KEEP, pôvod návrhu, záznam supervisora a receipt aplikovaného ref. Nie je to iný názov pre zlepšenie.

  2. train bundle · prepočítaný KEEPattestation/bundle.pylen train bundle · razdisjunktný test pack · použitý razattestation/sealed.py

    Zapečatená evaluácia používa test pack disjunktný s train, raz, s nulou infraštruktúrnych opakovaní.

  3. ELIGIBLE · release_authority noneattestation/sealed.pylen eligible refeligible/*refs/crucible

    Aj ELIGIBLE zapisuje len refs/crucible/eligible/* a release_authority je pevne none.

Verejné záznamy · r14 · r35

r14: train KEEP, potom zapečatené REJECT; r35 (July 13, 2026): INVALID pre neúplné pokrytie a kontamináciu infraštruktúry (0 párových riadkov, priemer null), head bez zmeny.

  1. KEEP · REJECT · INVALIDpromotion.pyverejný verdict.jsongeode-eval-artifacts

    Verejné artefakty sú normalizované záznamy pripnuté v 23e3428. Predregistrovaný hash konfigurácie train v r14 sa líši od verejných bajtov konfigurácie, takže úplný pôvodný reťazec nie je znova certifikovaný.

  2. attestation/sealed.pysealed decision.jsonr14 · train KEEP → sealed REJECTgeode-eval-artifacts

    r14: KEEP na telecom train, 6 úloh × 1 pokus (6 párových riadkov, bez oprávnenia na povýšenie), potom samostatné zapečatené rozhodnutie REJECT (bez oprávnenia na vydanie).

Každé spojenie s rovnakou váhou. Výber toku zvýrazní len jeho cestu s očíslovanými krokmi.

  • Plná čiara · smer toku požiadaviek, kandidátov a výsledkov
  • Prerušovaná čiara · spustenie, rozhodnutie, autorizácia, konfigurácia
  • Hrubá čierna čiara · zvolený tok; čísla udávajú poradie
  • Rámček · hranica kódu alebo záznamu, cesta v hlavičke
  • Vnútorný štítok · komponent v tejto hranici
  • Prerušovaný rámček · mimo tejto hranice
  • supervisor hľadania
  • kontrakt · rozhodnutie · atestácia
  • refy · záznamy
  • producenti · vykonávanie

Crucible je jadro oddelené od SIL; obe hľadania netvoria jednu pipeline, ktorá by povyšovala kandidátov tej druhej. Rámček vydania produktu nemá žiadne prichádzajúce spojenie.

Tri oprávnenia
Train KEEP posúva head hľadania, zapečatené ELIGIBLE zaznamenáva eligible ref a vydanie produktu je samostatné rozhodnutie mimo Crucible. Skoršie rozhodnutie nikdy neudeľuje neskoršie oprávnenie.
Null nie je nula
r35 plánoval 9 úloh × 3 pokusy (27 riadkov na rameno), ale mal 0 porovnateľných párov, takže jeho priemer aj zlepšenie sú null. Nejde o 27 neúspešných úloh ani o úspešnosť 0 %.