运行档案 / T1:val / 10-01 02:49
G6 验收（首批 Spark 运行）
先看终选决定，再沿节点查看方法、代码改动和对话证据。
终选程序?按该运行锁定的规则最终选出的程序；可能是候选节点，也可能由护栏回退到基线。
n1
本运行目标 49.21（种子 0 单次）
节点?搜索树里的每个候选程序。
4
已打分 4
官网分?官网 P2 返回的真实分数。
—
还没有提交或还没有分数
大模型调用次数?各角色（调研员、工程师、分析员、审查员）调用大模型的次数。
4
分析员 1、工程师 1、调研员 1、审查员 1
实际结果与评分依据
搜索目标、护栏和诊断分开阅读。不同真值分片或 seed 的同名尺子保留各自记录。
| 尺子 | 用途 | 分数 | 评分上下文 |
|---|---|---|---|
| X1 | 终检诊断 | 50.0 | 全部真值 / 1 个 seed单次 |
| proxy | 节点单次评分 | 49.8 | 真值范围未记录 / 1 个 seed单次 |
来历?终选程序从种子程序一步步改过来的路径，每一步都写了改了什么、分数变了多少。
括号里的分差只表示变化方向，不代表统计显著性。
seed copy_last
搜索目标分 49.77 · proxy 49.77 · 3 次复测均分 49.21
审查意见?审查员（Reviewer）检查程序是否越界读取、写死目标或钻评分器漏洞后的意见。 通过 seed (human-written, locked)
搜索树?每个点是一个节点，连线从父节点指向子节点；颜色表示结果。
蓝色粗线是来历路径；鼠标停在点上看节点，点一下打开节点页。
已打分?程序正常跑完并拿到分数。
搜索分数的变化?横轴是从运行开始算起的分钟数，纵轴是到那时为止最好的搜索目标分。
全部节点与对话（4）
| 节点 | 父节点 | 操作?种子：人写的起点；改进：在父节点上改；草稿：从头写；修复：修父节点的报错。 | 状态 | 搜索目标分?搜索用来比较节点的分数（各把尺子按权重合成，种子 0 单次）。 | 比父节点?这个节点的分数减去它父节点的分数；正数是变好。 | proxy?替代题：用手头已知阶段造的本地考题，T1 是用 E8.5 预测 E9.5。 | 3 次复测?换 3 个随机种子各跑一次取平均 ± 标准差，比单次分更稳。 | 审查 | 用时?从运行开始到结束（或到现在）的挂钟时间。 | 方法说明?节点程序自带的 METHOD.md：这个程序做了什么、为什么。 |
|---|---|---|---|---|---|---|---|---|---|---|
| n1 | — | 种子 | 已打分 | 49.8 | — | 49.8 | 49.2 | 通过 | 2 分 | seed copy_last |
| n2 | — | 种子 | 已打分 | 56.0 | — | 56.0 | 56.1 | 通过 | 3 分 | seed heart_jcf_peri |
| n3 | — | 种子 | 已打分 | 49.8 | — | 49.8 | — | 通过 | 2 分 | seed pseudobulk_shift |
| n4 | n2 | 改进 | 已打分 | 56.0 | +0.0 | 56.0 | 56.1 | 通过 | 26 分 | 父节点重加权锚（4000 真实细胞）保持不变，新增可按 β 开关的族内单快照成熟方向平移；β=0（默认）逐位复现父节点。 |
资源消耗与失败情况
没有失败节点
| 角色?调研员写计划、工程师改代码、分析员解读分数、审查员检查作弊。 | 大模型调用次数 | 失败 | 总用时 | 输入 token 数?输入 / 输出（含思考）的 token 数，来自接口返回的用量。 | 输出 token |
|---|---|---|---|---|---|
| 分析员 | 1 | 0 | 不到 1 分 | 21,579 | 2,063 |
| 工程师 | 1 | 0 | 18 分 | 56,331 | 28,418 |
| 调研员 | 1 | 0 | 6 分 | 33,668 | 13,421 |
| 审查员 | 1 | 0 | 1 分 | 23,528 | 4,278 |
运行配置与来源
| 运行?一次完整的自动搜索或 Agent 会话，有自己的锁定配置和证据包。 | 20261001-024931-search-t1-spark-eng-default 10-01 02:49 · 自动搜索 · T1:val · G6 验收（首批 Spark 运行） · eng-default |
|---|---|
| 题目?比赛的哪道题、哪个阶段，例如 T1:val 是第 1 题的验证阶段。 | T1:val |
| 方式?自动搜索：ERA 式搜索树，多个节点不断改进程序；单 Agent：一个 Agent 会话从头做到尾。 | 自动搜索 |
| 搜索目标?这次运行用哪几把尺子、按什么权重合成分数来比较节点；目标不同的运行，最佳分不能直接比。 | proxy；终检 X1 |
| 状态 | 已结束 |
| 开始 / 结束 | 10-01 02:49 / 10-01 03:25 |
| 用时 | 36 分 / 预算 2 小时 |
| 所在副本?运行目录所在的代码副本（Spark 上 ~/vec 下的哪个目录）。 | 2026_virtual_embryo |
| 目的?这次运行为了回答什么问题，写在配置文件里。 | [回填] G6 acceptance 4 (comparison): one node with the Engineer on default thinking (options {}); otherwise = search_t1_spark.yaml. |
出处?这次运行用的代码、配置、数据和模型的指纹，靠它们可以原样找回并复现。
| 代码版本?运行锁定时代码仓库的 git 提交号；带 +dirty 表示当时有未提交的改动。 | dfe4e253060e760a4ad6241e16be93657473b516 代码有未提交改动 |
|---|---|
| 版本标签?可提交运行在锁定的提交上打的 git 标签 run/<运行编号>，以后能原样找回代码。 | — |
| 配置文件 | agent/configs/search_t1_spark_eng_default.yaml 配置指纹 3b4ba804724436a8 |
| 锁定指纹?启动时把配置、代码、提示词等全部锁定后算出的总指纹。 | ba211c035cc878d5 锁定格式 v5 |
| 运行专用代码副本?启动时为这次运行单独检出的一份只读代码；运行全程只读它，不受主副本更新影响。 | 没有（这次运行早于运行专用代码副本功能，读的是启动时的代码副本） |
| 大模型?每个角色用的大模型；括号里是接口实际报告的模型名。 | 分析员：alibaba-token-plan-cn/qwen3.8-max 工程师：alibaba-token-plan-cn/qwen3.8-max 调研员：alibaba-token-plan-cn/qwen3.8-max 审查员：alibaba-token-plan-cn/qwen3.8-max |
| 运行目录 | /home/spark-longxinyang/vec/2026_virtual_embryo/agent/runs/20261001-024931-search-t1-spark-eng-default 主机 spark-ad3f |
| 提交账本?notes/changelogs/submissions.tsv：每次上传官网的记录和返回的官网分。 | 这次运行没有提交过官网 |
| 迭代报告?运行结束后自动生成的中文复盘报告（notes/reports/runs）。 | 还没有迭代报告 |