保留缺标题公开决定并识别明确撤稿标签 #21

2026-11-07T19:24:15Z

codex-bot commented

2026-11-07 19:24:15 +00:00

采集固定的旧年 ICLR 公开元数据时，2017 年一条明确 Reject 但缺标题的记录 SJUdkecgx 导致整批失败；2018/2019 的明确 Withdraw 标签也未被识别。本 PR 修复这两个实际问题，让可用记录继续产出，同时把不可导入记录保留为可核查证据。

paper_atlas/collectors/public_openreview.py：空/空白/null 标题的明确负面记录进入 held 清单；类型错误、哈希错误和身份错误仍失败。明确 Withdraw 映射 withdrawn。输出 parser_version=2。Workshop、Poster Workshop、Oral Workshop 保持非拒稿。
tests/test_public_openreview.py：验证坏记录不会丢失其他有效拒稿/撤稿、held 哈希/来源行号、白名单、不造标题、非文本标题仍失败及 workshop 不误标。
docs/data-sources.md：说明新版 held 与 Withdraw 语义，以及采集不等于已入库。

已验证：在授权 ces-control 主机，用固定 main 067a67f 和新测试复现旧代码缺标题及 Withdraw 的两个失败，再替换修复，8 项针对性测试通过。git diff --check 通过。本机未运行测试或构建。精确提交 f327861 的完整远程 CI1010/job1107 已在 aliyun-ces-control（ces-control:host）成功：205 项测试，其中 18 项真实 PostgreSQL；wheel 构建、安装和安装后 CLI 检查通过。

实际来源盘点：2013 有 12 Reject，2018 有 496 Reject/69 Withdraw，2019 有 921 Reject/156 Withdraw；2017 有 245 Reject，其中 1 条缺标题待核查。这里只报告镜像明确标签，保留 curated_public_status_assertion，不声称核验原始 PC 签名或完整拒稿全集。固定提交的实际采集已成功：5 个来源文件共 3,200 行，产出 1,898 条明确负面标签，1 条缺标题单列。2013/2018/2019 的 1,654 条已完成原来源、文本、作者、标签语义与 PostgreSQL 只读预检；导入及独立逐记录验收由单独的生产流程追踪，不能用本 PR 的 CI 代替其验收。2017 的 244 条因与 PeerRead 重叠，仍待身份/决定核查，不直接加入该批。另已启动 2020–2026 主快照的明确负面元数据补查；这里只缓存白名单元数据，不使用每日泄露快照或作者档案。

独立分支 codex/public-negative-holds → main（f327861），不携带其他 PR。完整 CI 已通过，等待用户手动合并；不推送 main 或自动合并。

采集固定的旧年 ICLR 公开元数据时，2017 年一条明确 Reject 但缺标题的记录 SJUdkecgx 导致整批失败；2018/2019 的明确 Withdraw 标签也未被识别。本 PR 修复这两个实际问题，让可用记录继续产出，同时把不可导入记录保留为可核查证据。 - `paper_atlas/collectors/public_openreview.py`：空/空白/null 标题的明确负面记录进入 held 清单；类型错误、哈希错误和身份错误仍失败。明确 Withdraw 映射 withdrawn。输出 parser_version=2。Workshop、Poster Workshop、Oral Workshop 保持非拒稿。 - `tests/test_public_openreview.py`：验证坏记录不会丢失其他有效拒稿/撤稿、held 哈希/来源行号、白名单、不造标题、非文本标题仍失败及 workshop 不误标。 - `docs/data-sources.md`：说明新版 held 与 Withdraw 语义，以及采集不等于已入库。已验证：在授权 ces-control 主机，用固定 main 067a67f 和新测试复现旧代码缺标题及 Withdraw 的两个失败，再替换修复，8 项针对性测试通过。git diff --check 通过。本机未运行测试或构建。精确提交 f327861 的完整远程 CI1010/job1107 已在 aliyun-ces-control（ces-control:host）成功：205 项测试，其中 18 项真实 PostgreSQL；wheel 构建、安装和安装后 CLI 检查通过。实际来源盘点：2013 有 12 Reject，2018 有 496 Reject/69 Withdraw，2019 有 921 Reject/156 Withdraw；2017 有 245 Reject，其中 1 条缺标题待核查。这里只报告镜像明确标签，保留 curated_public_status_assertion，不声称核验原始 PC 签名或完整拒稿全集。固定提交的实际采集已成功：5 个来源文件共 3,200 行，产出 1,898 条明确负面标签，1 条缺标题单列。2013/2018/2019 的 1,654 条已完成原来源、文本、作者、标签语义与 PostgreSQL 只读预检；导入及独立逐记录验收由单独的生产流程追踪，不能用本 PR 的 CI 代替其验收。2017 的 244 条因与 PeerRead 重叠，仍待身份/决定核查，不直接加入该批。另已启动 2020–2026 主快照的明确负面元数据补查；这里只缓存白名单元数据，不使用每日泄露快照或作者档案。独立分支 codex/public-negative-holds → main（f327861），不携带其他 PR。完整 CI 已通过，等待用户手动合并；不推送 main 或自动合并。

codex-bot added 1 commit 2026-11-07 19:24:15 +00:00

Hold untitled public assertions and retain explicit withdrawals

Metadata integrity checks / metadata (push) Successful in 1m17s

Details

f327861a00

codex-bot marked the pull request as ready for review 2026-11-07 19:29:15 +00:00

Zayden-Jung merged commit 6b66febba5 into main

2026-11-08 14:10:28 +00:00

Sign in to join this conversation.

1 Participants

Notifications

Due Date

No due date set.

Dependencies

No dependencies set.

Reference: Zayden-Jung/paper-atlas#21