DeepSeek v4.1 flash 最強リバースエンジニアリングツール(無制限第五世代) Star を付けてお気に入り登録 ⭐プロジェクトの改善提案を歓迎します
12 個の development、8 個の holdout、各カテゴリそれぞれ 3/2。registry.mjs は入力 SHA、参照ダイジェスト、予算、実行記録を検証し、呼び出し元が記入した verdict を認証しない。
ビルド:scripts/evals/build_targets.ps1 -Output <プラグイン外の新規ディレクトリ> を実行し、続いて node scripts/evals/freeze.mjs <targets.json> を実行します。実際の MSVC/C/PE/MAP ダイジェストを保持します。verify_targets.mjs は、実際の静的エンジンと元の承認下の Unicorn を用いて、列挙された入力の戻り値/メモリ書き込みを照合し、単例調査復元のリプレイ証拠を保存します。これはネイティブデバッグ観察、全域証明、または自律的 VM 復元ではありません。
model_compare.mjs [output] [pilot-evidence.json] はインストール済み DSH SDK を通じて baseline/brief を各 3 回実行する。独立した SDK profile を準備する:dsh --profile ig5-eval-v2 --from-default-profile sdk --help。 IG5_EVAL_PROVIDER/IG5_EVAL_MODEL で既存ルートを指定する。IG5_EVAL_PROVIDER_PATCH で既存ルートのプライベート overlay を渡せる。認証情報は元のホストが解決し、ソース/レポートには書き込まず、mock モデルは使用しない。
model_guard.mjs は固定 JSON クエリのみを許可し、パス、コマンド、oracle action はなく、その他のツールディスパッチはすべて拒否する。実際の DSH SDK テストでレンダリング、追加 path の拒否、クロスツール拒否を検証する。境界内での実行は isolated と標記できるが、通常のソースワークスペースでの実行は依然として exposed とみなす。保持パーティションはブラインドテストの証明ではない。
prompt、dataset、driver/guard の要約、予算、モデルおよびプロバイダーを凍結し、生のイベントと各ツールリクエストを保存する。まず audit_model_compare.mjs を実行して被テストスクリプトのスナップショットを保持し、その後で評価器を変更する。既存のスナップショットは後続の反復監査を支える。 audit は生の assistant/tool イベントから、フォーマット、戻り値、位置、旧証拠マーカー、現在の証拠の読み戻し、予算、token、クリーンアップを再確認する。空値、欠落フィールド、JSON 後の追加本文は成功とみなさない。呼び出し元の accepted と独立した結果は別々に集計する。フォーマット失敗は再実行で置き換えない。環境/評価器の障害は元のバッチを保持する。
今回のラウンドでは 1 つの開発タスクの 6 回の実モデルリプレイを完了し、残りのタスクは依然として unrun のまま保持する。各 fresh session はプロバイダのキャッシュを制御できないため、cacheRead token は別途記録する。金銭的コストは計算せず、単一例から全プロジェクトの成功率を推測しない。
PR09 の独立エントリは memory_resume.mjs で、3 戦略(直接ログ/LCM/brief+LCM)を同一予算で各 3 回実行する。--models は実際の SDK を使用する。合成調査および模擬圧縮を使用し、元の実静的タスクリプレイ統計とは分離して保持する。audit_memory_resume.mjs を実行し、生の SDK イベントから条件、反例、ソース読み戻し、呼び出しコストを再検証する。環境によるブロックは保持し、効果不明を成功として補完しない。詳細は ../../docs/LCM_MEMORY.md を参照。