真实数据,生产级约束
底层是 A 股真实行情快照:15,613 行初始因子、8 个批次共 423 个 v1/v2/v3 混合事件,需要 60 交易日滚动因子与 Decimal 全精度。
FACTOR-STORE-RECOVERY-0001 · WAL 崩溃恢复 · 最小增量重算 · exactly-once
修复一个真实行情数据驱动的分区因子库:处理供应商修订、删除与跨分区移动,在任意阶段注入崩溃后仍要恢复到一致状态,并且只重写受影响的分区。
底层是 A 股真实行情快照:15,613 行初始因子、8 个批次共 423 个 v1/v2/v3 混合事件,需要 60 交易日滚动因子与 Decimal 全精度。
评分器在 8 阶段事务状态机的指定阶段注入崩溃,检查 WAL、staging 与 checkpoint 的持久化边界,区分未提交、部分提交与已提交未确认。
隐藏集使用不同日期、证券与故障点。空程序、starter 和只硬编码公开结果的提交在冷启动验收中均为 0 分,12 / 12 项验收检查通过。
GPT-5.6-sol 独立盲跑仅得 0.1405:持久化做对了,但 MOVE/墓碑、滚动重算与两类恢复全部失分。区分度来自真正的工程难点。
以下为 Agent 实际收到的题面节选(原文照录),用于展示任务设定与约束。
/app/repo 是按 trade_date/hash_bucket 分区的因子库。它接收供应商修订、删除、自然键移动和 schema 升级,并维护 60 交易日滚动因子。当前实现会在崩溃、批次重放和跨分区移动时损坏状态,而且每批都全量重算。请修复工程。
每批状态机固定为 READ → VALIDATE → PLAN → STAGE_RAW → STAGE_DERIVED → STAGE_MANIFEST → COMMIT → CHECKPOINT。评分器会注入一次故障。启动时必须根据 WAL 区分“未开始提交”“部分提交”“已提交但 checkpoint 未确认”,并完成回滚或前滚。不得只删除 staging 后重放一个可能已经部分提交的 MOVE。
只有内容发生变化的 raw/derived 分区允许被替换;未影响分区的 SHA256、inode 和 mtime 必须保持不变。禁止通过重写相同内容规避。同一事件流的 clean run、任一故障恢复和重复运行必须得到相同逻辑状态。
Agent 答题总时限为 1 小时,包含阅读题目、修改代码、本地测试和最终检查。只用 Python 标准库,禁止联网。
NOTE节选自题面,已省略状态文件与输出产物的 schema 定义。
作答容器内可见的全部材料,统计由题包自动生成。原始文件随完整样例包提供。
| 文件 | 类型 | 规模 | 大小 |
|---|---|---|---|
| batch_order.json批次提交顺序 | json | 112 字 | 112 B |
| batches/ (8 个文件)v1 / v2 / v3 混合事件批次 | jsonl | 423 行 | 104 KB |
| calendar.csv交易日历 | csv | 204 行 | 3 KB |
| initial_raw.csv初始原始因子 | csv | 15,613 行 | 1.3 MB |
| source_policy.csv供应商优先级 | csv | 3 行 | 50 B |
| symbol_exchange.csv证券 — 交易所映射 | csv | 80 行 | 1 KB |
另附 starter 工程 /app/repo(5 个文件,约 99 行 Python),需在其基础上修复。
判据全文、权重与参考答案随完整数据包提供。
前沿模型在真实 Agent 框架中的作答轨迹统计。一个回合即一次模型调用;上下文曲线展示长程任务中状态如何持续累积。
盲跑为单智能体顺序作答,候选冻结后才由私有 grader 评分。持久化能力组接近满分,MOVE/墓碑、滚动重算、语义摄取与两类恢复能力组均为 0。
| 任务 ID | FACTOR-STORE-RECOVERY-0001 |
|---|---|
| 任务格式 | Harbor task.toml · schema 1.4 |
| 题包版本 | 1.4.0 |
| Agent 时限 | 1 小时 |
| Verifier 时限 | 15 分钟 |
| 作答容器 | 2 vCPU · 2 GB 内存 |
| 题面长度 | 4,053 字符 |
| 难度分级 | hard(盲跑 0.1405) |
| 参考解 | 两个 seed 均 reward 1.000 |
| 数据来源 | A 股真实行情快照 + 合成事务事件层 |
留下联系方式,我们会提供该题的完整样例包(题面、附件、verifier 与参考轨迹),并介绍同类题目的规模与定制方式。