--- name: light-experiment-coding description: >- Light 科研主线 stage 6：把冻结的 question/estimand、experiment matrix、pre-registration 与 data lineage 落成最小可运行、测试先行、无泄漏、可复现且能交给 result-analysis 的实验代码。用于实现或复现训练/预处理/评测， 设计 gold/property/metamorphic 测试，控制 Python/NumPy/框架/CUDA/DataLoader 随机性，审查 train/test 或 CV fit 穿越，记录 config/code/environment/input hashes、stdout/stderr、raw metrics、patient/entity predictions 与 failure artifacts，以及运行 stage-6 checkpoint。数据泄漏或不可复现是 critical；静态扫描和同 seed 两次一致都不证明跨硬件 绝对复现。 metadata: version: 2.2.0-round3 truth_source: ../../docs/competitors/experiment-coding.md resource_map: references/experiment-coding-resource-map.md engine: scripts/experiment_execution_contract.py · scripts/repro_gate.py · scripts/seed_audit.py · scripts/review_gate.py · scripts/run_artifact_check.py emits: light.findings.v1 · light.run_manifest.v3 · raw run bundles consumes: research-plan frozen plan/preregistration/failure-tree report · data-engineering lineage/split_leakage · result-analysis raw-run contract stage: 6 --- # 实验编码（stage 6） 任务不是“写出能跑的 notebook”，而是把上游冻结计划逐行实现成**可证伪、可复跑、可审计**的实验。优先级： 1. 不改研究问题； 2. 不让评估信息进入训练； 3. 能用固定环境与 seed 真复跑； 4. 保留足够 raw evidence，让 result-analysis 自己重算； 5. 代码整洁和速度服从以上约束。 先完整阅读 [`references/experiment-coding-resource-map.md`](references/experiment-coding-resource-map.md)。工具机制见 [`references/tools.md`](references/tools.md)，TDD/调试红旗见 [`references/tdd_redflags.md`](references/tdd_redflags.md) 与 [`references/debug_protocol.md`](references/debug_protocol.md)。 ## 入口：冻结输入 开始写码前读取并 hash： - question / estimand； - experiment matrix 每一行和 fair-comparison 常量； - pre-registration 及 provenance； - failure-tree report：每条 hypothesis 的 success/failure/inconclusive 分支、guardrail/counter-metric、kill criterion 与 amendment policy； - data fixed revision、raw/curated SHA256、lineage、split ID、`split_leakage` evidence； - result-analysis 对 raw run、predictions、metrics、failures、provenance 的消费契约； - 当前 git commit 与 dirty state。 primary outcome、comparison family、exclusion、stopping 已冻结。若实现证明计划不可行，带最小复现和影响返回 research-plan，停下让人决策；不得改 config 默认值静默漂移。 ## 实现顺序 ### 1. 建立最小可运行项目 优先复制 [`assets/project-scaffold/`](assets/project-scaffold/)： - `uv.lock` + `pyproject.toml`：`uv sync --locked --extra dev`； - `configs/experiment.schema.json`：每个 matrix row 的机读配置； - `experiment_contracts.py`：data/model/metric/preprocessing 最小接口； - `reproducibility.py`：运行期 seed helper； - CI/pre-commit/debug 资产。 遵循现有仓库框架和配置格式；不要为一个实验引入付费 IDE、云追踪或私有 key。MLflow/DVC 可选，普通本地文件必须能完成 核心闭环。不可用资源明确写 `UNAVAILABLE:原因`，不假装通过。 ### 2. 测试先行 在实现 preprocessing/train/eval 前： 1. 写 gold test，验证人工可算的小答案； 2. 写 property test（Hypothesis），验证范围、有限性、对称/单调等不变量； 3. 写 metamorphic test，验证置换/等价变换后的输出关系； 4. 写 train-only-fit 测试，记录 transformer 只收到训练折； 5. 亲眼看新测试因缺实现或真实 bug 失败，再写最小实现使其通过。 浮点断言用 `pytest.approx` / `assert_allclose(rtol, atol)`。先声明 device、dtype、mixed precision 和容差；NaN/Inf 默认 fail。不要测“随机训练一定达到某个漂亮数”，测确定性边界和可重算事实。 ### 3. 防泄漏实现 - holdout：先 split，再仅用 train `fit/fit_transform`，test 只 `transform`； - CV/调参：预处理器与模型放进 sklearn `Pipeline`，每折只 fit training fold； - 患者/用户/牧场等实体用 group-aware split，不得跨 train/test； - 目标编码、特征选择、PCA、imputation 同样只在训练折 fit； - 数据件复核直接复用 data-engineering `split_leakage`，不重造。 `review_gate` 只识别静态形态，会漏/误报；领域语义仍要人工核对。指标异常好，先查 leakage。 ### 4. 控制随机性与数值边界 分开两个目的： - `fixed_repro`：固定一个 seed，在同代码/data/config/environment 下做两次独立运行； - `randomness_estimation`：按预注册 seed 列表做多次运行，估计算法随机性。 多 seeds 不是患者/实体样本量，绝不拿 seed 数替代功效分析 n。 按实际使用覆盖 `PYTHONHASHSEED`（当前进程须启动前设）、`random`、NumPy、框架 RNG、CUDA、cuDNN、 deterministic algorithms、DataLoader generator/worker。记录 device/dtype/AMP、线程数、worker 数、排序键和已知 非确定算子。换 seed 应可变但可追溯；同 seed 一致也只支持同环境契约，不外推跨 release/platform/hardware bitwise 保证。 ### 5. 每个 run 保留 raw bundle 从 [`templates/run_manifest.template.json`](templates/run_manifest.template.json) 生成 `light.run_manifest.v3`；说明见 [`templates/run_manifest.md`](templates/run_manifest.md)。 `termination` 只说明进程为何停止，`completion` 才记录矩阵行 oracle 是否真的通过； timeout / max iterations / cancel 一律不得冒充完成。 每个 matrix row × config × seed × attempt 独立目录，至少保存： - config schema 校验后的快照； - code commit/dirty/diff 与代码文件 hash； - data/input SHA256、source revision、split ID； - environment（Python/包/OS/CPU/GPU/CUDA/线程）； - argv 数组、stdout、stderr、exit code； - 每折/每实体 raw metrics、patient/entity-level predictions； - test evidence； - failed run 的 failure artifact。 失败 run 不删除，不覆盖成成功。禁止只交 summary CSV；result-analysis 必须能从 raw evidence 重算。 ## 门控与 checkpoint 按此顺序真跑并记录 exit code： ```bash python scripts/experiment_execution_contract.py --spec experiment_execution_contract.json \ --report execution_contract_findings.json --json-out execution_contract_report.json python scripts/review_gate.py src/ --json python scripts/seed_audit.py src/train.py src/reproducibility.py python scripts/repro_gate.py --spec repro_spec.json --report repro_findings.json python scripts/run_artifact_check.py --manifest runs/EXP-01/run-a/manifest.json python scripts/run_artifact_check.py --compare \ runs/EXP-01/run-a/manifest.json runs/EXP-01/run-b/manifest.json python ../light-orchestrator/scripts/run_checkpoint.py \ --file .light/passport.yaml --stage 6 --findings repro_findings.json --write --ts ``` `experiment_execution_contract.py` 消费 `light.experiment_execution_contract.v1`（模板见 [`templates/experiment-execution-contract.example.json`](templates/experiment-execution-contract.example.json)，故意 fail-closed）：核 `as_of`、frozen scope/evaluator/budget、failure-tree handoff、matrix/DAG、run status/termination/failure class、partial checkpoint/resume command、环境与 cache provenance、repro level 分层、远程/付费执行授权。**timeout/OOM/preempted/max-iterations 不得写 completed**；`frozen_at` 与远程授权 `approved_at` 不得来自未来；`decision=NOT_READY/UNKNOWN` 本身阻断推进；run 必须绑定冻结 `matrix_rows` 中的 row，且每个 row 必须绑定 `failure_tree_refs`（hypothesis_ids、branch_action_ids、适用的 guardrail_ids）；新增实验行要先回 research-plan 修订；completed run 若上游要求 guardrail，`completion` 必须留下 `guardrail_evidence_artifacts`，否则不得交 result-analysis；实际 walltime/cost/compute_units 与远程预计成本不得静默超过冻结预算，超限必须有预算覆盖授权；`PARTIAL/RESUMABLE` 必须有 checkpoint SHA 和 resume command；请求 `CLEAN_ENV_RERUN/CROSS_PLATFORM/INDEPENDENT_REIMPLEMENTATION` 必须有对应证据；远程/付费/HPC 运行在 `user_authorization=APPROVED` 前不得 `RUN_READY`。 stage 6 的 canonical critical 只有： - `leakage`； - `reproducible`。 float/security 在研究 checkpoint 按 spec 为 warn；`review_gate` 可作为独立交付阻断门，不得借此扩大 checkpoint critical 面。 stage-6 门失败就在本阶段修，**不伪造 `ROUTES[6]` 出边**。 同固定 seed 两次必须是独立 run dir；`run_artifact_check.py` 先核 matrix/config/env/code/input 身份和 `started_at/ended_at` 时间轴（带时区、不倒序、不来自未来），再比较 predictions/raw_metrics hashes。 静态 seed/leakage 门 + 同 seed pair 都通过，仍只是一组有边界的证据。 ## 交 result-analysis 与 7→6 交付全部 completed/failed runs、coverage、manifests、predictions、raw metrics、logs、test evidence 和 canonical findings。 不要在 stage 6 替 result-analysis 选择性丢 run 或先写结论。 只有 result-analysis 产出**真实实现 bug 或不可复现 root cause**时，orchestrator 才可： ```bash python ../light-orchestrator/scripts/reroute.py \ --findings result_findings.json --stage 7 --passport .light/passport.yaml ``` reroute 只给建议。**落 7→6 back-edge 前停下，让用户拍板**；用户确认后才调用 passport `add-back-edge`，并带回失败命令、 期望 vs 实得、artifact pointers 修根因。统计不显著、效果小、计划不可行不自动等于实现 bug。 ## 不可协商 1. 不在全量数据上 fit scaler/encoder/imputer/PCA/feature selector 后再 split/CV。 2. 不只设一个框架 seed 就声称可复现。 3. 不用浮点 `==` 断言，不静默吞 NaN/Inf。 4. 不把固定 seed 与多 seeds 的科学目的混在一起。 5. 不删失败 run，不只留汇总数，不缺 stdout/stderr/predictions/raw metrics/provenance。 6. 不把静态扫描写成“证明无泄漏”，不把同 seed 两次一致写成“跨硬件绝对复现”。 7. 不改冻结研究设计；不可行就回 research-plan 让人决策。 8. 不由 stage 6 自己制造出边；7→6 只由下游真实 root cause 建议，且用户批准后才落边。 ## 完成判据 - [ ] 每个 matrix row 有 schema-valid config 和稳定 run ID； - [ ] 跑过 `experiment_execution_contract.py` 吗？scope/evaluator/budget、DAG、run status、failure class、resume、资源成本、repro level 和远程授权都闭合了吗？ - [ ] execution contract 是否绑定 `.light/failure_tree_report.json` 的 locator/hash/status？每个 matrix row 是否有 failure_tree_refs？completed run 是否留了 guardrail evidence？ - [ ] `as_of`、`frozen_at`、远程 `approved_at`、run `started_at/ended_at` 都是真实已发生时间吗？没有未来预填或结束早于开始吧？ - [ ] run 的 `matrix_row_id` 是否来自冻结 experiment matrix？实际 walltime/cost/compute_units 或远程预计成本超预算时，有预算覆盖授权吗？ - [ ] gold/property/metamorphic/train-only-fit 测试先红后绿； - [ ] lock、接口、device/dtype/AMP/NaN/Inf/容差边界明确； - [ ] review/seed/repro 门与 stage-6 checkpoint 通过； - [ ] 固定同 seed 两次 predictions/raw_metrics hashes 一致； - [ ] 换 seed 的变化有 manifest 可追溯； - [ ] 每个 run 的 config/env/code/input/log/raw metric/prediction/failure evidence 齐全且 hash 可验； - [ ] result-analysis 能只凭 bundle 消费，未发生 plan drift 或未授权 back-edge。 ## 名实对齐 TDD、seed、安全扫描、复现实验都不是 Light 独有。R1 真同类已普遍具备 config-first、smoke、immutable run、 lineage 与 keep/discard。这里的实际增量是： 1. 代码级 holdout/CV leakage； 2. 框架感知 seed audit； 3. 复用数据件 `split_leakage`； 4. frozen execution contract（scope/evaluator/budget/DAG/status/resume/repro level/remote authorization）； Round 3 再补 run→冻结 matrix row 身份绑定与实际/预计资源成本预算超限门，防止新实验行或付费扩跑绕过上游批准； Round 3 续补 failure-tree handoff 与 guardrail evidence，让 research-plan 的失败/无结论/kill criterion 不在执行端丢失； 5. hash-verified raw run bundle + same-seed pair； 6. canonical findings/stage-6 checkpoint + 受用户控制的 7→6。 诚实落后项：没有 MLflow 式查询 UI、DVC remote、GPU scheduler、仓库语义索引或自主 experiment search；静态门仍有边界。