MESA E2E Sertifikasyonu · v0.1.0

Onarım Doğrulama Özeti

v0.1.0 kaynak: reports/profile-b-comprehensive-repair/VERIFICATION_SUMMARY.md

Bu rehberin Türkçe ve İngilizce sürümleri aynı konuyu açıklar. Bu sayfayla ilgili kaynak bölümleri en altta yer alır.

Bu kaynak, belirtilen tarihteki testleri kaydeder. Burada paylaşılması, testlerin bu site için yeniden çalıştırıldığı anlamına gelmez.

Bu belgenin kapsamı#

Profile B, veri ve ayarları sabitlenmiş Data → Core akışını bağımsız işlem alındılarıyla değerlendirir; doğrulanamayan koşullarda ilerlemez. Resmî çalıştırma ve ölçüm bileşenleri hazır, ancak B4/B6/B7/B8 için dış kanıtlar ve yeni bir resmî PASS sonucu henüz yoktur. Eski sonuçlar güncel sertifikasyon sayılmaz.

Aşağıda özgün belgeyi, komutları ve varsa test kayıtlarını kendi dilinde okuyabilirsiniz. Sonuçlar yalnızca belgede belirtilen tarih ve koşullar için geçerlidir.

Kaynak belgedeki ilgili bölümler

Bu bölüm, kaynak belgenin bu sayfayla ilgili kısımlarını değiştirmeden gösterir. Kaynak içindeki bir bölüme giden bağlantıyı açtığınızda metin otomatik olarak görünür.

Ortam ve baseline#

  • Başlangıç: main = origin/main = 0a870e0bd94162d48b2b65102da374d30ee54c57.
  • Dal: fix/profile-b-comprehensive-certification-hardening.
  • Python: CPython 3.13.12 (uv managed); host /usr/bin/python3 3.10.12.
  • uv: 0.10.8; Pydantic 2.13.5; pytest 9.1.1.
  • Kilit: uv.lock; uv sync --locked --all-groups başarılı.
  • CI workflow: .github/workflows/ci.yml; compile, agent-pack, secret scan, JSON validation, optimized self-test ve pytest.

RED kayıtları#

UV_CACHE_DIR=/tmp/mesa-e2e-uv-cache uv run --locked pytest -q tests/test_comprehensive_repair_regressions.py

İlk çalıştırma: 10 failed. Hatalar: missing AnswerClaim.fact_ids; fact-ID oracle tokeninin PASS audit alması; üç bool/numeric type-confusion PASS'i; rank-6, rank-swap ve duplicate source capture'ların kabulü; missing provider digest'in kabulü.

GREEN kayıtları#

KomutSonuç
focused comprehensive regressions11 passed (son ek context-contamination vakası dahil)
scorer/adapters/official-scoring/context focused set49 passed
non-socket broad suite552 passed
tam suite, localhost socket izniylefinal working tree 567 passed in 13.01s; clean export 567 passed in 13.77s
python -m compileall -q harness scripts testsPASS
scripts/verify_agent_pack.pyPASS
scripts/check_no_secrets.pyPASS
scripts/validate_json_artifacts.pyPASS
python -O -m harness.self_test17/17 passed

İlk sandbox çalıştırmasında 543 passed, 11 errors oluştu; 11 error'ın tamamı test_official_http_happy_path.py fixture'ının localhost socket açmasına verilen PermissionError idi. Yetkili localhost çalıştırmaları tam geçti. Final clean-export sonucu 567/567; skip/xfailed yoktur.

Statik ve sözleşme kontrolü#

  • B0–B14 registry ve config/profile-b-gates.json diff'i yok.
  • qrels, ground-truth, normalization, official runs ve historical verdict dosyalarında diff yok.
  • uv.lock değişmedi.
  • Ruff/mypy repository'de yapılandırılmamış; NOT_CONFIGURED, başarı iddiası yok.
  • Official Profile B veya hidden holdout çalıştırılmadı.
  • DEV provider/MESA integration çalıştırılmadı; gerçek servisler ve VM collector APIs bu hostta yok.

Bağımsız post-repair doğrulama#

git archive HEAD ile /tmp/mesa-e2e-independent.3nZsey altında temiz export oluşturuldu. Archive .git içermediği için tracked-file scriptleri önce beklenen şekilde git ls-files hatası verdi; yalnız geçici export içinde git init && git add . ile index oluşturuldu. CPython 3.14.3 üzerinde locked sync, compile, agent-pack, secret scan, JSON validation, optimized self-test ve full pytest çalıştı. Sonuç: 567 passed in 13.77s, self-test 17/17, diğer kontroller PASS.

CI#

Push öncesinde remote CI NOT_RUN. Push sonrasında exact final SHA için GitHub Actions sonucu kontrol edilecek; ağ/izin nedeniyle doğrulanamazsa açıkça UNKNOWN raporlanacaktır.