2.9 KiB
S2 协调器事故账本与134件标记恢复
按Claude 1794689807.792819裁量。原16682退出1,旧progress停在365终态/16活跃,是陈旧快照,未生成batch-complete。381份原始guard回执独立核实为362 PASS、3真实wall_limit(575/614/625)、16 INFRA_ABORTED;其余118(原索引381–498)从未尝试。原成功与真实超时不重跑。
事故目录artifacts/s2-preparation-incident-2026-11-15保存原INFRA_ABORTED派生快照、381份回执hash、事故账本及隔离清单。16中止件的parts/ready共32个目录已rename至quarantine,移动前后逐文件hash一致,原guard/日志/契约不改,不重用这些partial。恢复根artifacts/s2-pilot-recovery-inputs-2026-11-15是全新目录,严格134原索引和相同part specs;16各一次标记基础设施恢复,118首次尝试。worker及其数值依赖仍为原hash。
原381件worker CPU为23.780939740556h,其中已包含16中止的1.105125463889h。累计只加新恢复CPU,不重复加这1.105h。原guard CPU0.2228669h单列;原协调器缺退出CPU回执,标明UNKNOWN,不估成0。
启动外推:排除16不完整件估计单位节点率,但保留其已花CPU;按完整终态的复用/新准备分类率乘134节点并加25%余量,再加已用量,总计34.803167h;原始/隔离/恢复输出合计预计6.756223GiB。上限仍60worker CPU-h/100GiB,最多16workers,单件1800s/1.25GiB,0 retries,无新50屏障;80h只属于原获批检查点情形,本批不用。
新合并路径严格绑定三来源:原INFRA_ABORTED快照hash、恢复contract/batch hash、事故ledger hash;验证134索引集合、逐件原specs、每份原/新guard、隔离文件hash和累计预算。362 PASS+3真超时+134恢复终态组成499结果;16原中止尝试保留在历史且CPU包含在总账。禁止伪造原batch-complete,也不套用60–80h的旧继续路径。
新接续入口run_s2_recovery_chain.py只等恢复批次终态,合并核验后进入既有E256 probe→4run,共7200s;训练/探针worker、模型、优化和评估代码不变。GPU监督换用同类基础设施修复副本。125测试封存,失败清单显式含节点数;probe完成后自动生成hash绑定coverage-addendum,注明实际最大成功学习件和未覆盖失败件,不覆写原probe回执。主矩阵仍未授权启动。
合成验收:独立基础设施5项PASS(初次夹具错误原日志保留);三来源3项PASS,新增global-stop子情景后定点1方法/6种拒绝条件PASS;新GPU监督副本4项模拟PASS,无真实GPU。语法导入检查通过。此固定提交时恢复worker和新接续尚未启动;实际启动另有回执。旧13519仅是无GPU等待器,交接时精确核身份/无子进程后退休,原等待记录保留。
恢复契约SHA256 a19cf8e50ef03e1c096e2aa2b962ededf7d09d4ad71737ddf38f66d18a86db7b;事故账本SHA256 29f1d00586ba2b33b0f637b6ac6c5c5b3451f77591ba941b51f3f33a075b5a93。