Aptos MoveFlow 规范推断评估state-label 修复后的语料库筛选Screening全流程解读【免费下载链接】aptos-coreAptos is a layer 1 blockchain built to support the widespread use of blockchain through better technology and user experience.项目地址: https://gitcode.com/GitHub_Trending/ap/aptos-core本文以 Aptos Core 仓库中 MoveFlow 规范推断评估框架的corpus-v1.2筛选记录state-label-repair-005/README.md为核心系统讲解state-label repair工具修复之后20 个 Move 规范推断基准样本如何通过 treatment-blind 准入筛选、参考规范如何通过空虚性vacuity检查以及 15 个 WP-hard 任务的含义与后续责任归属。读者读完后将掌握该评估管道中 screening 阶段的定位、判定标准、可复现性资产commit 与 SHA-256以及原始证据的组织与解读方式。一、背景MoveFlow 与规范推断评估框架MoveFlowaptos-move/flow是 Aptos 上 AI 辅助 Move 智能合约开发工具链提供插件生成器、MCP 服务器与编辑钩子目前主要面向 Claude Code。其核心能力之一是/move-inf推理策略分为hybrid-guidedWP 诊断驱动不变式工作默认、hybrid-flexibleWP 可用但工作流由 agent 决定与agent-only纯直接推理、不暴露 WP 工具三种详见 flow/README.md。在这些策略之上aptos-move/flow/evaluation/spec-inference提供了一个可复现的 Move Prover 规范推断评估框架在相同的 Move 任务、相同模型、相同配置下对比无辅助推断、规定 WP 工作流、自由工作流三种流程并同时从规范能否通过验证与规范能否拒绝错误代码两个维度打分。其总览文档 evaluation/spec-inference/README.md 明确说明harness/承载语料库准备、筛选screening、调度、控制器及其 arm-blind 跟进策略、判定、突变评分与轮次分析config/存放执行配置default.json与选择配置corpus.jsoncorpus-v1.2/是保留的框架语料库及其构建管道corpus-v3.2/是基准语料库。本篇文章聚焦的state-label-repair-005目录正是corpus-v1.2在一次工具修复state-label repair之后重新执行的筛选证据。二、筛选Screening在评估管道中的定位在正式启动一轮模型实验之前语料库必须先通过相容性筛选确认treatment-blind admission处理组盲准入样本能否在不暴露其所属实验臂arm身份的前提下被接纳进入实验参考规范有效性每个样本预置的参考规范reference specification能否独立证明并通过空虚性检查——即规范不是空洞验证例如无条件成立、无法约束实现行为的断言否则参考规范本身就不具备评分基准价值无超时、无基础设施错误样本在 CI-profile 的 Flow 二进制下各阶段能否在预算时间内完成。corpus-v1.2的筛选结果被记录在两个层面当前证据screening/summary.json与screening/state-label-repair-005/即本文核心文档所在目录历史证据screening/results/下按任务 ID 保存的原始结果。语料库根目录 corpus-v1.2/README.md 也明确将screening/summary.json与screening/state-label-repair-005/列为当前相容性证据并指出manifest.json的corpus_status是轮次就绪性的权威字段。三、state-label repair本次筛选前的工具修复本目录名中的 state-label repair 指向一次具体的工具链修复。核心文档 state-label-repair-005/README.md 记录了与之配套的可复现性资产资产值工具修复提交bc6284394e位于wrwg/inf-tool-fixes重排restacked后的装置提交9c6a3253563faa0eb530e30f9b9afb75e667aee4Flow 二进制 SHA-2565ffa0e4be5673096fcc04a35b79e2f7e1cd17c2dc9dcdc05b4ce9da3d9db8bb8参考包 SHA-2561c41a4a754554758e1632217bb867a0dc8c622072f937edf1e1ef44adaf1f116阶段阈值20 秒/阶段MBQI未启用MBQI 未启用意味着本次筛选没有使用 Model-Based Quantifier Instantiation基于模型的量词实例化这一 SMT 求解增强选项使筛选结果更贴近默认求解路径、更保守。阶段阈值 20 秒在screening/summary.json中以threshold_seconds_per_stage: 20字段固化并且在每个样本的原始结果 JSON如 results/AF-account-025.json中编译阶段记录了duration_ms等耗时明细可逐阶段核对是否贴近阈值。值得强调的是这些 SHA-256 并不只是展示性数字。manifest.json中的tools.stage_executables字段列出了筛选实际调用的每个阶段可执行文件及其哈希——包括boogie、z3、compile、enriched_compile、prover、wp_inference、check_candidate——其中后五个阶段统一指向target/ci/move-flow即move_flow_sha256所对应的二进制。这从实现层面证实了所有阶段共用同一个修复后 Flow 二进制这一前提也解释了为何二进制哈希是复现的关键锚点。四、筛选结果逐项解读20/20 通过、零超时、15 个 WP-hard4.1 总览数据核心文档给出的筛选结论为全部 20 个选定的 v1.2 样本通过了基于修复后 CI-profile Flow 二进制的 treatment-blind 准入没有任务超时或被排除对应screening/summary.json中excluded_for_timeout: 0、failed: 0、requires_fix_or_rerun: 0、passed: 20每个由人工撰写的参考规范authored reference均证明成功并通过了空虚性检查其中15 个任务是 WP-hard未经信任的推断子句untrusted inferred clauses属于agent 修复义务agent repair obligations既不是筛选失败也不构成原始 WP 输出已通过验证的声明。4.2 WP-hard 的含义与边界WPweakest precondition最弱前置条件推断是 hybrid 策略下的核心机制move_package_wp工具基于最弱前置条件推断并注入规范见 flow/README.md 的 MCP 工具表。WP-hard任务指即使参考规范本身能证明通过直接依赖原始 WP 推断输出并不足以完成任务仍需要 agent 依据 WP 诊断对推断子句进行修复。这一点在 summary.json 中以wp_hard数组明确列出共 15 个任务任务 ID目标AF-aptos-coin-0100x1::aptos_coin模块AF-aptos-governance-0340x1::aptos_governance::update_governance_configAF-code-0170x1::code模块AF-coin-0030x1::coin::balanceAF-epoch-timeout-config-0070x1::epoch_timeout_config模块AF-gas-schedule-0020x1::gas_schedule::on_new_epochAF-multisig-account-0670x1::multisig_account::validate_ownersAF-stake-0040x1::stake::appendAF-transaction-fee-0100x1::transaction_fee::store_aptos_coin_mint_capAF-vesting-0420x1::vesting::vesting_scheduleAX-bulk-order-book-0090x7::bulk_order_book::get_remaining_sizeAX-order-book-0060x7::order_book::client_order_id_existsAX-pending-order-book-index-0060x7::pending_order_book_index::take_ready_price_move_up_ordersAX-price-time-index-0140x7::price_time_index::new_price_time_idxAX-trading-native-capability-0100x7::trading_native_capability模块从语料构成看这 15 个 WP-hard 任务横跨 Aptos 框架0x1如 coin、stake、vesting、multisig、governance与实验性交易模块0x7如 order book、price-time index、trading capability与corpus-v1.2/README.md中列出的 20 个样本13 个框架目标 7 个实验目标粒度覆盖函数与模块分布一致。其余 5 个非 WP-hard 任务为AF-account-025、AF-account-036、AF-multisig-account-015、AX-dead-mans-switch-operations-001、AX-native-position-types-005。4.3 逐样本记录summary.json的compatibility_screen.results数组为每个任务记录四项核心字段均可用于审计task_id任务标识如AF-account-025target目标标识如0x1::account::increment_sequence_numberpassed是否通过筛选apparatus_ok装置是否正常编译/证明环境无异常reference_sha256参考规范内容的哈希用于追溯参考版本。20 条记录全部passed: true且apparatus_ok: true这是20/20 通过结论的结构化依据。五、原始证据组织results/、manifest.json 与 summary.json 的关系5.1 目录结构state-label-repair-005/下包含state-label-repair-005/ ├── README.md # 本次筛选结论说明本文核心文档 ├── manifest.json # 聚合清单corpus_status screened └── results/ ├── AF-account-025.json ├── AF-account-036.json ├── ...共 20 个任务级 JSON5.2 任务级原始结果以 results/AF-account-025.json 为例原始结果按阶段组织至少包含compile阶段argv实际执行的命令行形如move-flow experiment check-package --package 临时包路径 --output stage.json——这是move-flow二进制以experiment check-package子命令驱动筛选的直接证据duration_ms阶段耗时returncode进程返回码0 表示成功stage_report.diagnostics编译诊断列表每条包含file、line、column、headline、is_error与label。值得一提的是诊断记录中is_error: false的条目并非失败例如unused alias这类普通警告以及大量关于lambda 参数的ensures_of/folds_of/unchanged_of无法精确推导、从而弱化外层循环不变式的警告。这类警告大量出现在MoveStdlib/vector.move的高阶函数for_each、for_each_reverse、enumerate_ref、map_ref、zip等内联到aptos_governance.move、stake.move、vesting.move、coin.move、jwks.move、confidential asset 系列等真实框架代码时——这正是框架级语料库的常态编译器在不破坏证明正确性的前提下主动弱化无法精确表达的循环不变式而不是直接报错。理解这一点对解读后续模型轮次中的 WP 诊断至关重要。5.3 聚合清单与语料库状态manifest.json是语料库根级清单在本次筛选中的投影关键字段包括corpus_status: screened——语料库已就绪可被调度进入实验轮次package_tree_sha256与preparation.shared_package_sha256均为1c41a4a7...即参考包哈希preparation.records[]每个任务一条记录preparation_patch_sha256、prepared_sha256、removed_reference_blocks从哪些.spec.move或内联位置移除了哪些参考规范块以及required_contract_categories如normal-result、abort、state-transition、frame、loop-invariant——这直接刻画了每个任务对 agent 产出的最低契约要求preparation.source_commit语料库来源提交950e413e46090d2056740c36dd7a77b1764b6936minimum_feature_counts语料对各类特性的最小计数要求如loop5、global-state6、higher-order2确保样本多样性达标quotas框架/实验两包的函数与模块配额。核心文档还特别说明manifest.json中继承的包/补丁路径package/patch路径相对于语料库根目录而非本目录避免在解释聚合清单时产生路径误判。5.4 与上级摘要的衔接corpus_status: screened同时被提升到语料库级screening/summary.json其corpus_status字段同样为screened后者还额外记录了dependency_refresh.package_inventory指向metadata/package-inventory.json与inventory_sha256。也就是说筛选结论是语料库就绪链上的一环下游调度器会以screened状态作为准入条件。六、Mutation 验证与筛选分离的独立就绪检查核心文档明确区分了两类检查筛选screening验证参考规范与装置相容性突变验证mutation validation验证突变体mutant本身的有效性——即用于评分/反驳的每个突变体是否真的改变了行为这是独立于筛选的另一次就绪检查。本次 mutation 验证的全新结果记录在corpus-v1.2/metadata/mutation-validation-005/20 个任务级 JSON 一个summary.json且结论为全部 117 个突变体通过全新验证。这一分离设计的原因可以从评估框架的总览文档找到突变评分score_round独立于模型运行执行因为 agent 与沙箱共享挂载命名空间隐藏材料绝不能与 agent 并排挂载见 evaluation/spec-inference/README.md 的评分流程说明。因此突变材料与筛选材料在仓库中分目录存放正是这一安全与审计约束的体现。七、当前轮次准备round-v1.2-005-opus-xhigh核心文档同时记录了筛选之后、正式模型实验之前的轮次准备状态位于evaluation-artifacts/round-v1.2-005-opus-xhigh/evaluation-artifacts/是 gitignore 的生成物目录说明该轮材料为运行期生成不进入版本库配置项值模型/策略Opus 5xhigh effortGLM 保留 max输出 token 预算180,000复制数replicates4并发度4包缓存不使用WP 简化指导不提供no WP-simplification guidance同时记录最终订阅、沙箱、可执行文件与调度预检均通过没有模型会话被启动即该轮尚未真正执行筛选摘要配置身份configuration identities在 effort-profile 变更后已刷新但prover 二进制与语料库保持不变——这保证了变更只影响实验配置、不触碰已筛选的证据基础这一可复现性纪律。关于无 WP 简化指导的含义可以从 flow/README.md 的插件生成器说明得到支撑move-flow plugin DIR --no-wp-simplification让 hybrid agent 直接检查 WP 输出、跳过常规简化步骤诊断修复、含超时修复仍然适用。本轮的no WP-simplification guidance与其一致设计意图是测量 agent 在无简化引导下的真实修复能力。八、如何在本仓库中继续深入理解评估框架整体阅读 evaluation/spec-inference/README.md运行手册与同目录DESIGN.md实验臂设计、任务定义、语料来源、轮次执行与评分、有效性与污染论证理解语料库结构阅读 corpus-v1.2/README.md其framework/目录存放唯一的共享 Move 包154 个模块、257 个源/规范文件每个样本只是共享包 准备补丁的轻量覆盖层——准备补丁仅移除该目标的参考规范并加入任务描述符无逐样本框架快照核对筛选证据比对screening/state-label-repair-005/manifest.json与screening/summary.json逐任务核对reference_sha256、wp_hard列表与threshold_seconds_per_stage核对突变验证进入 corpus-v1.2/metadata/mutation-validation-005 检查 20 个任务级突变验证 JSON 与summary.json理解 MoveFlow 本体阅读 flow/README.md 与 flow/CLAUDE.md掌握move-flow plugin/mcp/hook三个子命令、hybrid 策略工具清单以及MOVE_FLOW_INFERENCE_TACTIC等配置入口。九、结语state-label-repair-005是一份典型的筛选阶段证据留痕它以 commit、SHA-256、阶段阈值与 MBQI 开关固定装置以任务级 JSON 保留原始诊断以wp_hard列表明确区分筛选失败与agent 修复义务的边界并将 mutation 验证隔离为独立的就绪检查。对任何关注 Move 形式化验证与 LLM 辅助规范生成的研究者而言这套修复—重筛—留痕—晋级的流程本身就是一份关于如何建立可信评估管道的实践范本。【免费下载链接】aptos-coreAptos is a layer 1 blockchain built to support the widespread use of blockchain through better technology and user experience.项目地址: https://gitcode.com/GitHub_Trending/ap/aptos-core创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Aptos MoveFlow 规范推断评估：state-label 修复后的语料库筛选（Screening）全流程解读
Aptos MoveFlow 规范推断评估state-label 修复后的语料库筛选Screening全流程解读【免费下载链接】aptos-coreAptos is a layer 1 blockchain built to support the widespread use of blockchain through better technology and user experience.项目地址: https://gitcode.com/GitHub_Trending/ap/aptos-core本文以 Aptos Core 仓库中 MoveFlow 规范推断评估框架的corpus-v1.2筛选记录state-label-repair-005/README.md为核心系统讲解state-label repair工具修复之后20 个 Move 规范推断基准样本如何通过 treatment-blind 准入筛选、参考规范如何通过空虚性vacuity检查以及 15 个 WP-hard 任务的含义与后续责任归属。读者读完后将掌握该评估管道中 screening 阶段的定位、判定标准、可复现性资产commit 与 SHA-256以及原始证据的组织与解读方式。一、背景MoveFlow 与规范推断评估框架MoveFlowaptos-move/flow是 Aptos 上 AI 辅助 Move 智能合约开发工具链提供插件生成器、MCP 服务器与编辑钩子目前主要面向 Claude Code。其核心能力之一是/move-inf推理策略分为hybrid-guidedWP 诊断驱动不变式工作默认、hybrid-flexibleWP 可用但工作流由 agent 决定与agent-only纯直接推理、不暴露 WP 工具三种详见 flow/README.md。在这些策略之上aptos-move/flow/evaluation/spec-inference提供了一个可复现的 Move Prover 规范推断评估框架在相同的 Move 任务、相同模型、相同配置下对比无辅助推断、规定 WP 工作流、自由工作流三种流程并同时从规范能否通过验证与规范能否拒绝错误代码两个维度打分。其总览文档 evaluation/spec-inference/README.md 明确说明harness/承载语料库准备、筛选screening、调度、控制器及其 arm-blind 跟进策略、判定、突变评分与轮次分析config/存放执行配置default.json与选择配置corpus.jsoncorpus-v1.2/是保留的框架语料库及其构建管道corpus-v3.2/是基准语料库。本篇文章聚焦的state-label-repair-005目录正是corpus-v1.2在一次工具修复state-label repair之后重新执行的筛选证据。二、筛选Screening在评估管道中的定位在正式启动一轮模型实验之前语料库必须先通过相容性筛选确认treatment-blind admission处理组盲准入样本能否在不暴露其所属实验臂arm身份的前提下被接纳进入实验参考规范有效性每个样本预置的参考规范reference specification能否独立证明并通过空虚性检查——即规范不是空洞验证例如无条件成立、无法约束实现行为的断言否则参考规范本身就不具备评分基准价值无超时、无基础设施错误样本在 CI-profile 的 Flow 二进制下各阶段能否在预算时间内完成。corpus-v1.2的筛选结果被记录在两个层面当前证据screening/summary.json与screening/state-label-repair-005/即本文核心文档所在目录历史证据screening/results/下按任务 ID 保存的原始结果。语料库根目录 corpus-v1.2/README.md 也明确将screening/summary.json与screening/state-label-repair-005/列为当前相容性证据并指出manifest.json的corpus_status是轮次就绪性的权威字段。三、state-label repair本次筛选前的工具修复本目录名中的 state-label repair 指向一次具体的工具链修复。核心文档 state-label-repair-005/README.md 记录了与之配套的可复现性资产资产值工具修复提交bc6284394e位于wrwg/inf-tool-fixes重排restacked后的装置提交9c6a3253563faa0eb530e30f9b9afb75e667aee4Flow 二进制 SHA-2565ffa0e4be5673096fcc04a35b79e2f7e1cd17c2dc9dcdc05b4ce9da3d9db8bb8参考包 SHA-2561c41a4a754554758e1632217bb867a0dc8c622072f937edf1e1ef44adaf1f116阶段阈值20 秒/阶段MBQI未启用MBQI 未启用意味着本次筛选没有使用 Model-Based Quantifier Instantiation基于模型的量词实例化这一 SMT 求解增强选项使筛选结果更贴近默认求解路径、更保守。阶段阈值 20 秒在screening/summary.json中以threshold_seconds_per_stage: 20字段固化并且在每个样本的原始结果 JSON如 results/AF-account-025.json中编译阶段记录了duration_ms等耗时明细可逐阶段核对是否贴近阈值。值得强调的是这些 SHA-256 并不只是展示性数字。manifest.json中的tools.stage_executables字段列出了筛选实际调用的每个阶段可执行文件及其哈希——包括boogie、z3、compile、enriched_compile、prover、wp_inference、check_candidate——其中后五个阶段统一指向target/ci/move-flow即move_flow_sha256所对应的二进制。这从实现层面证实了所有阶段共用同一个修复后 Flow 二进制这一前提也解释了为何二进制哈希是复现的关键锚点。四、筛选结果逐项解读20/20 通过、零超时、15 个 WP-hard4.1 总览数据核心文档给出的筛选结论为全部 20 个选定的 v1.2 样本通过了基于修复后 CI-profile Flow 二进制的 treatment-blind 准入没有任务超时或被排除对应screening/summary.json中excluded_for_timeout: 0、failed: 0、requires_fix_or_rerun: 0、passed: 20每个由人工撰写的参考规范authored reference均证明成功并通过了空虚性检查其中15 个任务是 WP-hard未经信任的推断子句untrusted inferred clauses属于agent 修复义务agent repair obligations既不是筛选失败也不构成原始 WP 输出已通过验证的声明。4.2 WP-hard 的含义与边界WPweakest precondition最弱前置条件推断是 hybrid 策略下的核心机制move_package_wp工具基于最弱前置条件推断并注入规范见 flow/README.md 的 MCP 工具表。WP-hard任务指即使参考规范本身能证明通过直接依赖原始 WP 推断输出并不足以完成任务仍需要 agent 依据 WP 诊断对推断子句进行修复。这一点在 summary.json 中以wp_hard数组明确列出共 15 个任务任务 ID目标AF-aptos-coin-0100x1::aptos_coin模块AF-aptos-governance-0340x1::aptos_governance::update_governance_configAF-code-0170x1::code模块AF-coin-0030x1::coin::balanceAF-epoch-timeout-config-0070x1::epoch_timeout_config模块AF-gas-schedule-0020x1::gas_schedule::on_new_epochAF-multisig-account-0670x1::multisig_account::validate_ownersAF-stake-0040x1::stake::appendAF-transaction-fee-0100x1::transaction_fee::store_aptos_coin_mint_capAF-vesting-0420x1::vesting::vesting_scheduleAX-bulk-order-book-0090x7::bulk_order_book::get_remaining_sizeAX-order-book-0060x7::order_book::client_order_id_existsAX-pending-order-book-index-0060x7::pending_order_book_index::take_ready_price_move_up_ordersAX-price-time-index-0140x7::price_time_index::new_price_time_idxAX-trading-native-capability-0100x7::trading_native_capability模块从语料构成看这 15 个 WP-hard 任务横跨 Aptos 框架0x1如 coin、stake、vesting、multisig、governance与实验性交易模块0x7如 order book、price-time index、trading capability与corpus-v1.2/README.md中列出的 20 个样本13 个框架目标 7 个实验目标粒度覆盖函数与模块分布一致。其余 5 个非 WP-hard 任务为AF-account-025、AF-account-036、AF-multisig-account-015、AX-dead-mans-switch-operations-001、AX-native-position-types-005。4.3 逐样本记录summary.json的compatibility_screen.results数组为每个任务记录四项核心字段均可用于审计task_id任务标识如AF-account-025target目标标识如0x1::account::increment_sequence_numberpassed是否通过筛选apparatus_ok装置是否正常编译/证明环境无异常reference_sha256参考规范内容的哈希用于追溯参考版本。20 条记录全部passed: true且apparatus_ok: true这是20/20 通过结论的结构化依据。五、原始证据组织results/、manifest.json 与 summary.json 的关系5.1 目录结构state-label-repair-005/下包含state-label-repair-005/ ├── README.md # 本次筛选结论说明本文核心文档 ├── manifest.json # 聚合清单corpus_status screened └── results/ ├── AF-account-025.json ├── AF-account-036.json ├── ...共 20 个任务级 JSON5.2 任务级原始结果以 results/AF-account-025.json 为例原始结果按阶段组织至少包含compile阶段argv实际执行的命令行形如move-flow experiment check-package --package 临时包路径 --output stage.json——这是move-flow二进制以experiment check-package子命令驱动筛选的直接证据duration_ms阶段耗时returncode进程返回码0 表示成功stage_report.diagnostics编译诊断列表每条包含file、line、column、headline、is_error与label。值得一提的是诊断记录中is_error: false的条目并非失败例如unused alias这类普通警告以及大量关于lambda 参数的ensures_of/folds_of/unchanged_of无法精确推导、从而弱化外层循环不变式的警告。这类警告大量出现在MoveStdlib/vector.move的高阶函数for_each、for_each_reverse、enumerate_ref、map_ref、zip等内联到aptos_governance.move、stake.move、vesting.move、coin.move、jwks.move、confidential asset 系列等真实框架代码时——这正是框架级语料库的常态编译器在不破坏证明正确性的前提下主动弱化无法精确表达的循环不变式而不是直接报错。理解这一点对解读后续模型轮次中的 WP 诊断至关重要。5.3 聚合清单与语料库状态manifest.json是语料库根级清单在本次筛选中的投影关键字段包括corpus_status: screened——语料库已就绪可被调度进入实验轮次package_tree_sha256与preparation.shared_package_sha256均为1c41a4a7...即参考包哈希preparation.records[]每个任务一条记录preparation_patch_sha256、prepared_sha256、removed_reference_blocks从哪些.spec.move或内联位置移除了哪些参考规范块以及required_contract_categories如normal-result、abort、state-transition、frame、loop-invariant——这直接刻画了每个任务对 agent 产出的最低契约要求preparation.source_commit语料库来源提交950e413e46090d2056740c36dd7a77b1764b6936minimum_feature_counts语料对各类特性的最小计数要求如loop5、global-state6、higher-order2确保样本多样性达标quotas框架/实验两包的函数与模块配额。核心文档还特别说明manifest.json中继承的包/补丁路径package/patch路径相对于语料库根目录而非本目录避免在解释聚合清单时产生路径误判。5.4 与上级摘要的衔接corpus_status: screened同时被提升到语料库级screening/summary.json其corpus_status字段同样为screened后者还额外记录了dependency_refresh.package_inventory指向metadata/package-inventory.json与inventory_sha256。也就是说筛选结论是语料库就绪链上的一环下游调度器会以screened状态作为准入条件。六、Mutation 验证与筛选分离的独立就绪检查核心文档明确区分了两类检查筛选screening验证参考规范与装置相容性突变验证mutation validation验证突变体mutant本身的有效性——即用于评分/反驳的每个突变体是否真的改变了行为这是独立于筛选的另一次就绪检查。本次 mutation 验证的全新结果记录在corpus-v1.2/metadata/mutation-validation-005/20 个任务级 JSON 一个summary.json且结论为全部 117 个突变体通过全新验证。这一分离设计的原因可以从评估框架的总览文档找到突变评分score_round独立于模型运行执行因为 agent 与沙箱共享挂载命名空间隐藏材料绝不能与 agent 并排挂载见 evaluation/spec-inference/README.md 的评分流程说明。因此突变材料与筛选材料在仓库中分目录存放正是这一安全与审计约束的体现。七、当前轮次准备round-v1.2-005-opus-xhigh核心文档同时记录了筛选之后、正式模型实验之前的轮次准备状态位于evaluation-artifacts/round-v1.2-005-opus-xhigh/evaluation-artifacts/是 gitignore 的生成物目录说明该轮材料为运行期生成不进入版本库配置项值模型/策略Opus 5xhigh effortGLM 保留 max输出 token 预算180,000复制数replicates4并发度4包缓存不使用WP 简化指导不提供no WP-simplification guidance同时记录最终订阅、沙箱、可执行文件与调度预检均通过没有模型会话被启动即该轮尚未真正执行筛选摘要配置身份configuration identities在 effort-profile 变更后已刷新但prover 二进制与语料库保持不变——这保证了变更只影响实验配置、不触碰已筛选的证据基础这一可复现性纪律。关于无 WP 简化指导的含义可以从 flow/README.md 的插件生成器说明得到支撑move-flow plugin DIR --no-wp-simplification让 hybrid agent 直接检查 WP 输出、跳过常规简化步骤诊断修复、含超时修复仍然适用。本轮的no WP-simplification guidance与其一致设计意图是测量 agent 在无简化引导下的真实修复能力。八、如何在本仓库中继续深入理解评估框架整体阅读 evaluation/spec-inference/README.md运行手册与同目录DESIGN.md实验臂设计、任务定义、语料来源、轮次执行与评分、有效性与污染论证理解语料库结构阅读 corpus-v1.2/README.md其framework/目录存放唯一的共享 Move 包154 个模块、257 个源/规范文件每个样本只是共享包 准备补丁的轻量覆盖层——准备补丁仅移除该目标的参考规范并加入任务描述符无逐样本框架快照核对筛选证据比对screening/state-label-repair-005/manifest.json与screening/summary.json逐任务核对reference_sha256、wp_hard列表与threshold_seconds_per_stage核对突变验证进入 corpus-v1.2/metadata/mutation-validation-005 检查 20 个任务级突变验证 JSON 与summary.json理解 MoveFlow 本体阅读 flow/README.md 与 flow/CLAUDE.md掌握move-flow plugin/mcp/hook三个子命令、hybrid 策略工具清单以及MOVE_FLOW_INFERENCE_TACTIC等配置入口。九、结语state-label-repair-005是一份典型的筛选阶段证据留痕它以 commit、SHA-256、阶段阈值与 MBQI 开关固定装置以任务级 JSON 保留原始诊断以wp_hard列表明确区分筛选失败与agent 修复义务的边界并将 mutation 验证隔离为独立的就绪检查。对任何关注 Move 形式化验证与 LLM 辅助规范生成的研究者而言这套修复—重筛—留痕—晋级的流程本身就是一份关于如何建立可信评估管道的实践范本。【免费下载链接】aptos-coreAptos is a layer 1 blockchain built to support the widespread use of blockchain through better technology and user experience.项目地址: https://gitcode.com/GitHub_Trending/ap/aptos-core创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考