dsh-eval-guard 0.7.0 → 0.7.2

package/assets/neural-pendulum/SPEC.md

@@ -18,7 +18,7 @@ agent 必须：
 1. 从零实现一套神经网络基础设施（张量、算子、反向传播、优化器、模型序列化、线程池）。
 2. 使用该基础设施训练一个神经网络控制器。
 3. 控制预编译双驱动三节摆：第一、第三关节施加有限力矩，中间关节被动，从全向下起摆，并保持三根杆全部向上至少 t_tgt = 10.0 s。
-4. 保证基础设施通过公开测试。
+4. 保证基础设施实现 `include/nn/nn.hpp` 契约并通过隐藏测试。
 5. 提交的源码中不得出现 torch，测试环境不提供 Python/torch。
 
 允许在开发阶段使用 PyTorch 做数值自查和参考，但提交源码必须完全独立。
@@ -179,15 +179,17 @@ cmake --build build -j4
 必须产生：
 
 ~~~
-build/nn_selftest
+build/libnn.a
 build/control
 ~~~
 
 ### 8.1 基础设施测试入口
 
-build/nn_selftest 必须运行公开基础设施测试并返回 0 表示通过。
+基础设施实现位于 `src/nn/*.cpp`，由 CMake 构建静态库 `build/libnn.a`；公开头文件 `include/nn/nn.hpp` 为不可修改的 API 契约。
 
-公共测试覆盖：
+评测侧独立编译隐藏测试并链接 `build/libnn.a`。
+
+隐藏测试覆盖：
 
 - fp32 tensor、形状与广播
 - elementwise add/sub/mul/div
@@ -295,20 +297,17 @@ infra_ok == true
 
 - 测试使用请求时刻的最新提交快照
 - 测试期间的新提交不影响本次测试
-- 同时只允许一个测试
-- 测试进行中再次请求：stage = busy，score = -1
 
 ### 测试阶段枚举
 
 ~~~
-no_submission   没有提交
-compile         编译失败/超时
-infra           基础设施测试失败
-controller      控制器接口/崩溃/超时/非法输出
+no_submission   没有提交快照
+compile         CMake 构建 libnn.a / control 失败
+infra           隐藏基础设施测试编译、链接或运行失败
+controller      控制器启动/协议/崩溃/超时/非法输出
 simulation      仿真异常/NaN/仿真超时
 scoring         正常测试但 t_can < t_tgt
 completed       t_can >= t_tgt，任务完成
-busy            已有测试正在进行
 ~~~
 
 ### 返回给 agent 的测试结果
@@ -404,7 +403,6 @@ infra_ok = true
 - 基础设施测试失败
 - 控制器加载/接口/崩溃/超时/非法输出
 - 仿真 NaN/异常/超时
-- 测试请求 busy
 - 测试请求本身失败
 
 异常只影响当前测试请求之后的区间，直到下一次成功测试。

package/assets/neural-pendulum/TASK.md

@@ -6,11 +6,11 @@
 
 目标：
 
-- 从三杆全部向下的固定初始状态起摆
+- 训练时从随机小扰动、评测时从固定初始状态起摆
 - 保持三根杆全部向上至少 t_tgt = 10.0 秒
-- 同时保证神经网络基础设施全部通过公开测试
+- 同时保证神经网络基础设施通过固定头文件契约并通过隐藏测试
 
-允许使用 PyTorch 做开发阶段的自查和数值对照。最终提交源码中不得出现 torch，评测环境不提供 Python/torch。
+开发阶段可以使用 Python/PyTorch 做离线数值对照和实验；最终提交的基础设施和控制器源码必须是纯 C++，不得出现 torch，评测环境不提供 Python/torch。
 
 ## 环境
 
@@ -149,16 +149,18 @@ cmake -S . -B build -DCMAKE_BUILD_TYPE=Release
 cmake --build build -j4
 ~~~
 
-必须产出两个入口：
+必须产出：
 
 ~~~
-build/nn_selftest
+build/libnn.a
 build/control
 ~~~
 
 ### 1. 基础设施入口
 
-build/nn_selftest 必须运行公开基础设施测试并返回 0 表示通过。
+基础设施实现放在 `src/nn/*.cpp`，由 CMake 构建为 `build/libnn.a`；公开头文件 `include/nn/nn.hpp` 是固定 API 契约，不得修改声明或语义。
+
+评测侧会独立编译隐藏测试并链接 `build/libnn.a`。
 
 必须包含的基础设施：
 
@@ -177,7 +179,7 @@ build/nn_selftest 必须运行公开基础设施测试并返回 0 表示通过
 
 占位符或空实现会被判为基础设施错误。
 
-公开测试文件在工作区中，评测时使用评测侧的干净副本。
+隐藏测试由评测侧注入，使用固定种子和独立数据，不复制到工作区。
 
 ### 2. 控制器入口
 
@@ -241,9 +243,18 @@ controller
 simulation
 scoring
 completed
-busy
 ~~~
 
+阶段含义：
+
+- no_submission：还没有提交快照
+- compile：CMake 构建 `libnn.a` / `control` 失败
+- infra：隐藏基础设施测试编译、链接或运行失败
+- controller：控制器启动、协议、崩溃、超时或输出非法
+- simulation：隐藏仿真推进异常、NaN 或超时
+- scoring：测试有效，但 `t_can < 10.0`
+- completed：基础设施和仿真均通过，且 `t_can >= 10.0`
+
 最终排行分数不会返回给你，只用于赛后排名。
 
 ## 完成条件
@@ -270,7 +281,7 @@ t_can >= 10.0
 - 提交源码中不得出现 torch
 - 评测环境无 Python/torch
 - 无网络
-- 不得修改仿真器或公开测试
+- 不得修改仿真器或公开头文件 `include/nn/nn.hpp`
 - 不得提交编译产物
 - 赛后人工审核：控制器必须是神经网络，且必须实际调用你实现的神经网络基础设施；手写控制律、查表、固定轨迹或外部依赖会被判无效
 
@@ -350,9 +361,9 @@ T_done 是第一次返回 completed 的测试请求时间。
 
 ## 建议工作顺序
 
-1. 阅读公开测试和 tools/sim 协议
+1. 阅读 `include/nn/nn.hpp` 契约与 tools/sim 协议
 2. 先实现最小可用的 tensor/算子/反向/优化器
-3. 跑通 nn_selftest
+3. 用自测和 `include/nn/nn.hpp` 契约检查基础设施
 4. 用 tools/sim 采集数据并训练控制器
 5. 反复提交和测试，优先把 t_can 提升到 10 秒
 6. 完成后立即总结