横向对比方案 v12(r11 修订版,自包含;grok r9/r10/r11 三轮连续 SATISFIED)

v12 变更(GPT r11 3 blockers + 双方 r11 建议):max/min 三分支前置统一规则 E=∅ → not-found;hourly 单射比较键改定长 per-label 向量(未绑定元素有定义,signature 由其派生);config 顺序统一 = 持久化数组顺序(config_ids/mask_h 构建时按 NFC UTF-8 字节序排定,使用处禁止重排);附录 leftmost-longest 全句、lock 清单补 schema hash/version、cities 判重 NFC 先行、单侧键距离=二元组、schema required/additionalProperties:false/uniqueItems(NFC 后)、文本坐标=归一化文本累计码点长度(节点间无分隔符)。

0. 硬约束

1. 全确定性:所有相似度与统计指标是经典算法,同输入必同输出;非确定性观测(double-render 不一致等)显式分栏 non-deterministic observational,不进 verify hash。
2. 不打分:无总分、无排名、禁价值化话术(附录 A lint 词表);similarity ≠ quality 页脚常驻。
3. 描述统计优先:N=3–5,无推断性宣称;区间一律 descriptive, exploratory;唯一检验 = §5 随机化配对检验(实验设计见 §9)。
4. 任务形态:oneshot 单文件 HTML,1280×800 逻辑视口,同源缓存 API,事件驱动跑批。

1. 采样设计

1.1 Run slots

每 config × 变体每批 N=5 slot(最低 3)。预算单位 = 已发送的模型请求。终态五分:

• valid:完整响应 + 有效 HTML(fence 剥离后完整 → valid + fence 旗标)。
• model-failed:完整响应但无有效 HTML(拒答/自身截断无 </html>/空输出)。终态,禁止重试替换。
• infra-failed:请求被供应商接受(响应头/request id 存在)但中途死。消耗 slot,不补跑,单列基建健康页。
• acceptance-unknown:请求字节已发送但接受状态不可证明(响应头前超时/断连)。消耗 slot,禁止补跑,单列——已发送即可能计费。
• unreachable:可证明请求未发送(连接拒绝/DNS/TLS 失败于请求写出前)的重试 5 次耗尽。
• rate-limited(v12.1 增补,Leo 2026-07-16):供应商在模型处理前明确拒绝且不计费——HTTP 429 / quota-exceeded / gateway 过载(503 overloaded)等有确定性未计费信号者。不占 slot,按指数退避重试;退避预算(次数上限 + 总时长上限,批前冻结)耗尽 → 终态 rate-limited-exhausted,列入基建健康页,不计为 model-failed。与 acceptance-unknown 的判别:后者无法证明未计费 → 保守占 slot;rate-limited 须有确定性未计费证据(明确的 429/quota 状态码)才走此路,含糊情形一律归 acceptance-unknown。

不占 slot 重试仅限两类路径:①"可证明未发送"(unreachable);②"可证明模型处理前未计费拒绝"(rate-limited)。成本硬上界 = N 次实际送达模型的请求/config/变体。m = count(valid);相似度 pair 仅在 valid 之间;其余终态分列展示;m/N 全局角标。gallery 卡 = 最小 slot 号 valid。

1.2 批内冻结与执行

• 冻结:双 prompt hash(prompt_min_sha256 / prompt_q_sha256)、天气 snapshot hash(canary 数值,如 max 27.4°/min 13.9°/code 61,期望值表随 extractor 版本落盘)、城市/日期集、渲染环境、管道 commit。harness 总是显式传 ?date=(UTC)。
• P-min/P-q 配对随机化(Ω 编码钉死):每 base config N 个时间 block(下标 0..N−1),每 block 各跑一次 P-min 与 P-q;分配 = block 内执行顺序,bit 0 = min→q,bit 1 = q→min;n₀=#{bit=0},n₁=#{bit=1},合法分配 |n₀−n₁|≤1(奇数 N → {⌊N/2⌋,⌈N/2⌉});Ω_c = 全部合法 bit 串 b∈{0,1}^N,编号 = 将 b 视为 N-bit 无符号整数(b[0]=MSB)按升序 rank 0..|Ω_c|−1;观测分配 ω_obs 用同一编号。观测分配的抽取(v9 钉死):批前冻结全批统一 N∈{3,4,5}。manifest = 批内冻结清单的唯一字节流(v11):固定 JSON Schema(键名强制,schema 文件本身的 SHA256 与 schema_version 冻结入 lock),字段:prompt_min_sha256、prompt_q_sha256(两个 prompt 文件原始字节各自的 SHA256)、snapshot_sha256、cities(元素形态固定为 {city, date, lat, lon};排序 = 各元素规范 JSON (JCS) 的字节序;重复 (city,date) 拒绝)、config_ids(NFC UTF-8 字节序排序,重复拒绝)、N、env_digest、pipeline_commit(要求工作树干净,dirty 直接拒绝跑批,无 source_digest 兜底);生成时点 = 任何分配抽取之前;排除一切分配结果、seed、时间戳等运行时字段;序列化 = RFC 8785 (JCS) 规范 JSON,所有字符串先 NFC;非整数一律规范十进制字符串,语法:禁指数、禁前导 +、禁前导零(0.x 除外)、禁尾随小数零、禁 −0(归一算法:decimal 化→去尾零→最简形式字符串);manifest_hash = SHA256(该字节流) 小写 hex,落盘入 lock。mask_h 的列表 hash 同样 = 该 config_id 数组规范 JSON 的 SHA256。schema 使用 required + additionalProperties:false,数组 uniqueItems 在 NFC 归一之后检查(cities 判重 (city,date) 亦先 NFC 再比)。config 顺序统一规则(v12):config_ids 与各 mask_h 数组在构建时按 NFC UTF-8 字节序排定并持久化;此后一切使用处(config/block 遍历、pooled PRNG 抽样映射、mask 迭代)直接采用持久化数组顺序,禁止按任何本地"字典序"重排。seed_assign(config) = uint64_le(SHA256(b"assign\0" ‖ bytes.fromhex(manifest_hash) ‖ b"\0" ‖ NFC(config_id).encode("utf-8") ‖ b"\0" ‖ uint8(N))[0:8])(字段有边界,无拼接碰撞);每 config 用独立 Generator(PCG64(seed_assign)) 恰好调用一次 integers(0,|Ω_c|) 选 rank;config/block 遍历顺序 = config_ids 持久化数组顺序 × block 下标升序,冻结落盘;分配表/顺序/时间戳落盘。重随机化时 outcome 粘在 (block, 时间位次) 上不动,按 ω 的 bit 串重新解释哪次是 min/q。Ω_c 即 §5 检验的随机化空间本体。

2. 渲染与截图协议

2.1 就绪状态机

1. 目标 API response finished;2. document.fonts.ready;3. DOM mutation 静默窗 500ms(墙钟);
2. 内容就绪谓词(按场景选定,不同时评估):正常场景仅评估 READY_NORMAL := 可见 DOM 存在 ≥1 个 §3 温度候选(有意弱于保真:就绪≠数值正确,保真截图后独立判定);错误注入场景仅评估 READY_ERROR := 页面非空白 ∧ 错误词表命中。未命中 → 补等 2×rAF+250ms → 打 content-not-ready。[data-ready] 仅诊断。谓词与 extractor 版本入 JSON Schema;
3. 冻结(§2.2)→ 稳定性确认:250ms 虚拟间隔双时刻像素 hash 一致;不一致重试 3 次,仍不一致打 unstable-after-freeze 并截最后一次比对的第二时刻帧。硬上限 15s,旗标卡照常入库。

2.2 主截图(冻结通道)

init script:Date 冻结 snapshot fetched_at;Math.random=mulberry32(0xC0FFEE);CDP virtual time 推进 t_v=5000ms;CSS/Web Animations 冻结相位(v12.3 修正):对 document.getAnimations() 每个动画——有限次(iterations 有限)→ pause() + currentTime = max(0, delay+activeDuration−1ms)(定格在活动期末端,1ms 回退保证 fill 无关地保留末态样式);无限循环 → pause() + currentTime=0(固定相位)。rAF/timer 随虚拟时钟。相似度只用冻结主截图。(v12.3 修订记录:原规则统一 currentTime=0 会把入场动画 rewind 到未开始态——实测 Kimi K3 P-q 卡内容全部 opacity:0,截图成纯背景而 meta 仍 valid;定格活动期末端 = 用户在 t_v=5s 时实际所见。12 轮评审后的实现期修正,首个正式批 lock 前生效。)

2.3 frame-change(全 virtual time)

第二次渲染,不 pause 动画,虚拟时钟推进 t_v+{700,1300,2100,3400}ms 采帧;相邻帧像素变化率 median/max 进 L1。getAnimations/timer 计数降为纯诊断字段(不入 L1、不入 hypothesis 清单;采样与 instrumentation 待独立规格)。

2.4 渲染 determinism 验证

double-render(两全新 context,像素比对,不一致 → non-deterministic-render,一致率进 profile 默认层);reference fixture 每批全流程跑、跨批比对;环境钉死落盘;metrics/stats 重跑 hash(声明只覆盖计算层)。

3. L1 单卡描述量

体积/结构标量(bytes 拆分、DOM/CSS/JS 统计)、视觉标量(colorfulness、亮度、对比度、留白率、frame-change)、主色板(Lab 固定网格 + 占比权重;top-8 swatch:仅非零权重 bin,最多 8 个,排序键 (−weight, Lab bin C-order 索引);bin 边界为半开区间 [lo,hi),各维最末 bin 闭合 [lo,hi])。

数据保真判定器(extractor_version 版本化;文本归一 = NFC+trim+空白折叠+casefold 前置;字段态 {match,mismatch,ambiguous,not-found} 与 hourly 点态 {match,mismatch,not-shown} 两个独立枚举):

• name:候选=全部可见文本节点(选择器清单版本化);任一候选含期望 name 子串(直接子串)→ match;否则 not-found(无 mismatch 态);reason code:no-visible-text / text-present-no-name-hit。
• date:ISO + 版本化 locale 模板表解析为 UTC 日;命中 → match;他日 → mismatch;不可解析 → not-found;多候选冲突 → ambiguous。
• 候选身份 = occurrence(v10 精化):matcher 在归一化可见文本上产生原始命中 (node, start, end, pattern_id)(pattern 逐个版本化;start/end = 节点内 Unicode 码点偏移;实现注记:JS 侧禁用 UTF-16 code unit 的 string index);相同 (node,start,end) span 的命中合并并汇总类别;重叠不同 span 仲裁 = leftmost-longest:按 (start 升序, length 降序, pattern_id 字典序) 排序后贪心取与已选不重叠者;最终 occurrence ID = (node 先序号, start, end),按 namespace(温度候选 / max-min label / 小时 label…)分池;一个文本节点可产生多个 occurrence("Max 27° / Min 14°" 产生独立的 Max 与 Min label occurrence);occurrence 序 = ID 三元组字典序;canonical、hourly 扣除、signature 全部作用在该 ID 上。
• 距离 = 二元组(v10,修复同节点绑反):dist(L,T) = (父元素经 LCA 的 DOM 边数, |文本坐标(L) − 文本坐标(T)|);文本坐标 = 全部可见文本节点按 DOM 先序、以同一归一化函数处理后的文本累计码点长度定位(节点之间不插分隔符),取 occurrence 的 start;"总距离" = 两分量各自求和的二元组;一切 max/min、单侧、hourly tie-break 中的距离键均按此二元组(先第一分量后第二分量)展开比较。
• 温度候选:可见文本「数字+度符号/单位」模式的 occurrence;f_max = 全部温度候选 occurrence 的父元素 computed font-size(px) 的最大值(无候选 → E 为空);同显著度 = (f_max−f)/f_max < 0.10。
• max/min 绑定(全局一对一分配,v12 分支全闭合): 前置统一规则:E=∅ → max/min 均 not-found(reason: no-temperature-candidate),不产生 canonical,不进入任何分支;以下分支均假定 |E|≥1。
  0. 先固定同显著度温度候选集 E((f_max−f)/f_max<0.10 内的温度候选;低于该带的候选忽略);label 逐 occurrence 分类为 max-类 / min-类:仅当同一合并 span 的类别汇总同时含 max 与 min 才作废该 occurrence 并记录;同一文本节点内的不同 occurrence 各自独立保留;下述"存在 label"均指作废后的有效 label occurrence 集;
  1. 双类有效 label 均存在:|E|=1 → 均 ambiguous(reason: insufficient-distinct-temperature-nodes);|E|≥2 → 枚举全部合法组合 (L_max→T_max, L_min→T_min),T_max≠T_min 指 occurrence 互异(值相等由步骤 4 处理),按字典序 (总距离, max 侧距离, min 侧距离, T_max occurrence 序, T_min occurrence 序, L_max occurrence 序, L_min occurrence 序)(距离一律为 §3 二元组展开)取唯一最小组合。不降级到单 label/无 label 路径;
  2. 仅一类有效 label(先行:|E|≥3 → max/min 均 ambiguous):该侧按单侧字典序键 (距离(§3 二元组), T occurrence 序, L occurrence 序) 取唯一绑定;另一侧对剩余候选按数值规则取绑定值(大者=max/小者=min;"唯一"指值唯一,同值多 occurrence 绑定该值并取 occurrence 序最小者为 canonical occurrence);剩余候选为空 → ambiguous;
  3. 无有效 label(先行:|E|≥3 → 均 ambiguous):数值规则(大者=max 小者=min;canonical occurrence 同上);
  4. max 绑定值 = min 绑定值 → ambiguous;决策路径落盘。距离 = §3 二元组定义(DOM 边数, |文本坐标差|);occurrence 序 = ID (node 先序, start, end) 三元组字典序(DOM 先序 = 先序遍历,同父按 child 下标)。
  5. canonical 发布条件(v10 措辞精化):仅当两个 canonical occurrence 均已产生且 ID 互异,且 max 与 min 字段终态均非 ambiguous 时才发布 canonical(供 hourly 扣除);步骤 4 的同值分支与任何 ambiguous/not-found 终态不发布 → hourly 预分流按"canonical 未全部发布"→ 整字段 ambiguous。
• 数值匹配:按候选显示小数位 d 对期望值 decimal quantize ROUND_HALF_UP(ties away from zero)后精确相等;禁裸 round(JS 侧必须 decimal 字符串量化)。
• hourly(v8:预分流 + 全序单射):
  • 预分流(label 分支前统一):存在任何温度候选但两个 daily canonical occurrence 未全部成功产生 → 整字段 ambiguous(禁止 daily 数值混入 hourly);无任何温度候选 → not-found;
  • hourly_temperature_candidates = 全部温度候选 occurrence − max/min 两个 canonical occurrence;
  • 小时 label 解析器:版本化模板表(HH:00 / HH:mm / h AM·PM / HHh / 本地化变体),解析为 UTC 0–23;
  • 有 label(全局最大基数单射,v12 定长键):枚举 label→hourly 候选 occurrence 的最大基数单射,比较键 = (①绑定数降序;②总距离(仅累计已绑定边,§3 二元组分量各自求和);③定长 per-label 向量字典序);定长向量 = 按全部 label occurrence 序,每 label 一个元素:已绑定 = (0, dom_dist, text_dist, T_id),未绑定 = (1, 0, 0, sentinel_id),sentinel_id=(2³¹−1, 2³¹−1, 2³¹−1)(声明:合法 occurrence ID 各分量恒 < 2³¹−1,signature 无哨兵碰撞可能);取键最小的唯一解(逐 label 独立最近邻不是本规则);assignment signature 即该定长向量的 T_id 分量序列(由键派生,不另立规则);重复小时 label 绑不同值 → 整字段 ambiguous;未获绑定的期望小时 = 点态 not-shown;
  • 无 label:hourly 候选恰好 24 个 occurrence → 按 occurrence 序(DOM 先序+节点内偏移)排列后与 UTC hour 0..23 有序逐位对齐;≠24(含 >24 与 <24)→ 整字段 ambiguous(禁 prefix/禁猜窗);
  • 点态 match/mismatch 判定 = 对绑定值套用与 max/min 相同的 decimal quantize ROUND_HALF_UP 相等规则;
  • 字段态汇总(优先级):结构冲突 → ambiguous;无任何候选 → not-found;否则设 X=#点态 mismatch、M=#点态 match:X≥1 → mismatch;X=0∧M≥1 → match(coverage M/24 常驻展示);X=0∧M=0 → not-found。判定路径落盘。canvas/SVG 无文本局限公开,数据取回由请求侧校验覆盖。
• condition:WMO 多语词表 text 匹配;icon-only → not-found + icon-only 注记。
• 请求侧硬校验:network log 逐键校验契约 query(endpoint、latitude/longitude ±0.01、start_date/end_date、daily/hourly 字段集、timezone=UTC、temperature_unit=celsius);mismatch 与字段态表并列。
• 候选、显著度、绑定决策、判定原因全部落盘。

4. L2 相似度通道

合成视图不存在(预计算/UI 均无);零向量/空集/空 bag → 该 pair 该通道 S=null(双空亦 null);golden fixtures 期望值独立预先写定(手算或冻结时独立参考实现,禁被测代码自生成)。

视觉:v-phash / v-dhash / v-color / v-palette / v-layout / v-edge / v-ssim;代码:c-shingle / c-winnow / c-feature / c-ast-js / c-css-prop / c-ncd(诊断);DOM:d-geom / d-text / d-pqgram / d-tagpath(诊断)。全部定义唯一化于附录 A。

通道去留(开发集审计,v8:观测单位钉死):42 卡语料 = 与正式批隔离的开发集;Spearman 观测单位 = 开发集全部 C(42,2)=861 个无序 card pair,通道向量 = 各 pair 的 S 值;pairwise-complete = 任一通道该 pair 为 null 则剔除,分母 = 完整 pair 数;midrank ties;完整 pair <20 → 该审计值 null;任一通道在完整子集上零方差 → ρ=null(v10)**。**贪心降级仅由"已定义且 |ρ|>0.95"触发;一切 null(样本不足/零方差)不触发降级。c-ncd 与 d-tagpath 永久为诊断通道,不参与贪心去留,不进正式通道集/统计/hypothesis family(v9 钉死);通道全序(15 通道,不含诊断)预冻结(附录 A);贪心:按全序遍历,与全部已保留通道 |ρ|≤0.95 则保留,否则降诊断。最近邻一致率:逐卡,每通道最近邻 = 非 null S 最大者(并列取 slug NFC UTF-8 字节序最小;该卡在该通道全 null → 该卡剔除);一致率 = 两通道最近邻相同的卡数 / 两通道均有最近邻的卡数;分母为 0 → 一致率 = null(展示为 null,不触发降级)。审计后冻结 lock 文件(通道清单、golden、Holm family + hypothesis ID、全部词表、READY 谓词、extractor_version),先于任何正式跑批。

5. L3 统计

pair 集枚举(一切统计的底座):self pair 集 = {(i,j) | 1≤i<j≤m}(C(m,2) 无序);cross pair 集 = A×B 全笛卡尔(m_A·m_B,不对称不加倍)。n_eff = 该集上该通道 S≠null 的个数;mean = 该集非 null 值的算术平均。

汇总资格(只在完整数据上检查):mean/IQR/LORO 需 n_eff≥4,cross 另需 m_A≥2 ∧ m_B≥2;不满足 → raw-only(展示非 null 原始点);m=1 → self=null;m=0 → 缺席。self-consistency := 该 config self pair 集上非 null 相似度的 mean(资格同上)。bootstrap band 已全套删除——LORO 是唯一的敏感性量。

• LORO:逐一剔除 run(self:剔除后剩余 run≥2;cross:两侧非空),且剔除后剩余非 null pair≥1 才算有效剔除;报 LORO min–max 与有效剔除数;剔除后不再查 n_eff≥4。
• separation(A) = mean(intra A) − mean over B of sim(A,B):资格 = self n_eff≥4 ∧ B 集非空;B 集 = 除 A 外全部达 cross 资格的预注册 config,等权;覆盖率 = |B 集| / (预注册 config 总数 − 1),分母为 0 → null;覆盖率 <80% → null。
• distinctiveness(A) = 1 − max over B of sim(A,B),B 集与 separation 完全相同(资格/覆盖率/null 规则同);随附最近邻名,并列时取 NFC UTF-8 字节序最小的 config_id。exploratory 折叠。
• style-vs-implementation 散点:x = code 类某通道 self-consistency,y = visual 类某通道 self-consistency(通道由 UI 选定,值即 §5 已定义量,无新统计);仅展示有资格值。exploratory 折叠。
• 因子(family/effort/protocol)描述差值:移入未冻结探索项(水平/contrast/权重/null 资格未独立规格前不进 v1.0 报告),无 p 值。
• 随机化配对检验(quality-instruction sensitivity 专用):
  • 统一检验统计量 T_{config,h}:h ∈ 通道集 ∪ L1 标量集。通道:T = self-consistency_q − self-consistency_min(self 按本节 pair/n_eff 规则,任一侧无资格 → null);L1 标量:T = mean_q − mean_min(valid run 上均值差,任一侧 valid run 数为 0 → null)。重随机化 = 在 Ω_c 内重抽分配(§1.2 编码),按 (block, 时间位次) 重标注 outcome 后从头重算 T。
  • 逐 config 探索检验:Ω_c 精确全枚举(N=5 → |Ω_c|=20,无 MC);双侧 p = #{ω∈Ω: |T(ω)|≥|T_obs|}/|Ω|(观测含于 Ω);T_obs=null 或任一 ω∈Ω 下 T(ω)=null → p=null;粒度 1/|Ω_c|(仅 N=5 时为 1/20)如实标注。
  • pooled 主检验:每个 pooled hypothesis 的 mask_h = 冻结入 lock 的完整 config_id 列表(构建时 NFC UTF-8 字节序 + 列表 hash;缺失/失败 config 留在 mask 内按严格 null 传播,不得事后移除);config 顺序 = 持久化数组顺序(§1.2,禁重排);Ω_c 按 §1.2 整数升序 rank 编号;每个 hypothesis h 使用独立 PRNG 流:seed_h = uint64_le(SHA256(b"perm\0" ‖ NFC(hypothesis_id).encode("utf-8"))[0:8]) XOR 20260716,Generator(PCG64(seed_h)).integers(0, |Ω_c|)(任何其他随机过程用 "boot\0" 等独立域派生,流之间零共享);每轮 j(1..B_perm=10000)按 config 序依次抽索引(独立均匀有放回)组成 ω_j;T_pool(ω) = 预注册 mask 内 T_{config,h}(ω) 的等权 mean;观测不注入;b = Σ_j 1[|T_pool(ω_j)|≥|T_pool(ω_obs)|];p = (b+1)/(B_perm+1)。
  • null 传播(严格,对每个 h 同规则;v11 穷举预检):MC 抽样前,对 mask_h 内全部 config × 全部 ω∈Ω_c 穷举计算 T_{config,h}(ω)(|Ω_c|≤20,代价可忽略);任一为 null → 该 pooled hypothesis p=null,不执行抽样;全部有定义才跑 B_perm=10000。(T_pool(ω_obs)=null ⇔ T_obs 无定义,自动被预检覆盖。)
  • hypothesis ID 清单(层级 × config/池 × h)与 Holm family 冻结入 lock,未锁死不得出 p;Holm 处理 p=null:null 假设不参与排序,step-down 分母仍按完整预注册 family 大小 k(保守)。
• 通道审计(通道间 Spearman、最近邻一致率、null 率)仅展示,不 gate。

未冻结探索项(不在 v1.0 lock,不出现在正式报告):层次聚类、dendrogram、cophenetic 相关、bootstrap-of-runs subtree support、因子(family/effort/protocol)描述差值对比——待独立规格(linkage/tie/重采样单位/对比水平与权重全部钉死)后另行冻结加入;在此之前任何展示只能出现在明确标注 unfrozen exploratory 的开发页。

6. L4 行为探针

契约内(pass/indeterminate/fail;错误态三值语言无关:pass=非空白∧无 canary 数据∧词表命中,indeterminate=非空白∧无 canary∧词表未命中(附截图),fail=空白或呈现伪造数据;参数正确性=URL 串行断言,提取 ambiguous/not-found → indeterminate)。

网络管控:白名单 = 恰好一次 harness 初始文档 URL + 同源 GET 精确 /api/om/forecast、/api/om/archive;重定向逐跳校验;ws/wss 显式拦截;service worker 禁用;浏览器缓存禁用;data:/blob: 合法;其余一切请求(含同源静态资源)= violation 并阻断。

契约外(中性 observed/not-observed/n-a,不进通过率):loading 中间态(?delay=3000,t=1s 帧)、in-page 竞态(检测到切换控件才跑)、console 错误、无 JS 兜底。

7. 呈现

反排行榜硬规则:slug 字典序默认、禁默认排序表、固定 [0,1] 中性单调色域、null 格显式、m/N 与 n_eff 角标、exploratory 默认折叠、禁语 lint 进 build(违者 fail)、similarity≠quality 页脚。profile 默认层:原始分布 strip、逐通道值、探针结果、double-render 一致率、旗标(violation/fence/content-not-ready/…)、请求侧保真;保真 = 逐字段态表不聚合。前端零计算。

8. 管道

run(N slots × configs × {P-min,P-q} 配对随机化;§1.1 终态五分)
  → outputs/*.html + attempts.json
build_cards → cards.json
shoot(Docker;§2.1 状态机;§2.2 冻结主图;§2.3 frame-change;§2.4 double-render;
      §6 探针;reference fixture)
  → screenshots/ + probes.json + flags.json
metrics → scalars.json + matrices.json(逐通道 run 级;golden 自检先行)
stats  → stats.json(§5;seed 按 §5/附录 A 域派生,无全局共享流)
report → 静态 HTML(§7;lint)
verify → metrics/stats 重跑 hash + fixture 漂移比对

attempts/flags/字段态/stats 全部配版本化 JSON Schema(枚举、null 语义、READY 谓词、终态五分在 schema 层锁死)。批目录:双 prompt hash、snapshot hash、镜像 digest、commit、extractor_version、分配表、manifest(原文+hash)。

9. Prompt 变体(v5 prompt)

• P-min = prompt-v5-min.txt:中性最小信息契约(name/date/max/min/condition/hourly,Celsius,错误须声明)+ 契约 query 写死(daily/hourly 字段、timezone=UTC、temperature_unit=celsius、start_date/end_date)+ fence 禁令 + today=UTC。
• P-q = P-min + 末行 "Pay particular attention to visual design quality.";构建时字节断言 q_bytes == min_bytes + fixed_suffix。
• 实验 = quality-instruction sensitivity:测输出特征变化,不宣称质量提升;配对随机化(§1.2);检验(§5);分析默认 within-variant。
• "weather card" 措辞保留(项目身份),记录为任务定义一部分。

10. 已知局限(公开)

• 截图外行为(hover/滚动/响应式)不可见;探针覆盖有限交互。
• render 噪声与采样噪声未分解(double-render 一致率单列,self-consistency 两者混合,须并读)。
• hourly 对 canvas/SVG 无文本呈现常 not-found;数据取回由请求侧校验兜底。
• agent/cli 协议 system prompt 注入为已知混杂(字段落盘),不矫正。
• m/N 条件化:相似度基于 valid 输出,终态分布必须一起读。
• content-not-ready 率含墙钟调度噪声,与 double-render 分读。
• acceptance-unknown 保守耗预算(可能实际未计费,宁少跑不超支)。
• 逐 config 检验 p 粒度 1/|Ω_c|(N=5 → 1/20),仅探索;主推 pooled。
• 除 §5 随机化实验外无任何检验;一切区间是描述性敏感度。

11. 上线前验证清单

1. 42 卡开发集通道冗余审计 → 全序贪心定稿 → lock 冻结(通道清单、golden、Holm family + hypothesis ID、manifest_hash、manifest schema 文件 SHA256 + schema_version、各 pooled hypothesis 的 mask_h(config_id 列表+hash)、词表、READY 谓词、extractor_version)。
2. golden fixtures(期望独立写定)入 CI。
3. reference fixture 跨两机两日漂移实测。
4. 保真判定器 42 卡人工抽查(≥10:图表-only、非英语、无 label 部分 hourly、多 label)。
5. JSON Schema 定稿。
6. P-min/P-q 各 N=5 × 3 config 试跑(配对随机化、slot 五终态记账、状态机旗标率)。

附录 A:算法常量与版本表(合并全表,实现唯一依据,禁 latest)

环境与时序

图像预处理:Pillow 钉版(lockfile);resize=LANCZOS;灰度=Rec.601(0.299,0.587,0.114);alpha 白底合成;色彩转换 sRGB(IEC 61966-2-1)→XYZ→CIELAB,D65。

L1 视觉标量公式(输入 128×80 float64,除注明外)

视觉通道

代码通道

DOM 通道

统一规则

保真