封装来源身份只读预检与投稿历史证据 #51

2026-11-09T18:55:56Z

codex-bot commented

2026-11-09 18:55:56 +00:00

导入新会议来源前，需要复用同一套只读身份核查，避免每个会议使用临时脚本或仅按标题自动合并。本 PR 增加 paper-atlas audit source-identities，在 PostgreSQL 同一只读一致性快照中核对来源绑定、稳定标识、精确标题与完整姓名多重集，导出候选论文的原始来源和投稿决定证据。

paper_atlas/audits/source_identity.py：校验 JSONL/manifest 哈希、数量、届次和来源键；分批索引查询；区分绑定冲突、已存在来源和各类待审核候选；压缩分片保留实体、来源、投稿、决定及出处，明确截断和哈希；成功报告最后原子写入，拒绝重用输出目录。固定批准数为 0，不写入或合并数据库。
paper_atlas/cli.py：注册通用 audit source-identities 命令。
tests/test_source_identity.py：11 项测试覆盖姓名重复次数、arXiv 作者表示、冲突/错误标识绑定、无候选不能证明新作品、空作者、候选截断、输入篡改及防重放，并实际查询现有 PostgreSQL 只读快照及核对压缩证据。
.gitea/workflows/check.yml：增加安装后审计 CLI 检查。
docs/source-identity-audit.md：说明服务配置、输入、证据结构、恢复和后续人工身份核查边界。
README.md：增加通用预检文档入口。

验证：精确 head fe3e2502a5 的 CI1154/job1251 在 aliyun-ces-control（已授权 ces-control:host）成功，429 项测试通过，wheel 构建、安装和安装后 CLI 检查成功；新增 PostgreSQL 集成测试实际运行。日志 SHA256 a034adc6909b811547d0b5de89659cbc6f4c6ae12483e03600b18947e59fb175。本机仅 AST、数据哈希及差异检查，未测试或构建。

限制：无精确匹配不证明新作品；标识和姓名都可能有误，所有候选仍需原始证据审核。不是最终全库去重或会议覆盖验收。NeurIPS9004 来源内部精确标题无重复，但不能据此推断跨来源已去重。

base main b675a38；head codex/source-identity-audit。等待用户手动合并；未直接推送 main 或自动合并。

NeurIPS 2026 真实来源只读验收

已用精确提交执行9004条真实来源的只读预检，并由独立逻辑重新查询全量候选集合、核对9004条输入及4983份压缩实体证据；报告 SHA256 4fa5c065006639a0bf7d5372d0e0378b740767e6bd10fc488ec2c1977eb6497a，独立验收 SHA256 88d0b49e543d6dabb294ae95bb82b84a2ac17239c230adf60b226be6d8ad811c。来源、投稿、决定及出处均无截断。结果为3479精确标题/作者候选、1458部分作者重合、11多实体、20作者不一致、4036无精确匹配；全部未批准导入，未写数据库，不代表9004篇新论文或最终去重完成。两个单元均同一invocation观察至PID0/exit0/terminal success。

导入新会议来源前，需要复用同一套只读身份核查，避免每个会议使用临时脚本或仅按标题自动合并。本 PR 增加 `paper-atlas audit source-identities`，在 PostgreSQL 同一只读一致性快照中核对来源绑定、稳定标识、精确标题与完整姓名多重集，导出候选论文的原始来源和投稿决定证据。 - paper_atlas/audits/source_identity.py：校验 JSONL/manifest 哈希、数量、届次和来源键；分批索引查询；区分绑定冲突、已存在来源和各类待审核候选；压缩分片保留实体、来源、投稿、决定及出处，明确截断和哈希；成功报告最后原子写入，拒绝重用输出目录。固定批准数为 0，不写入或合并数据库。 - paper_atlas/cli.py：注册通用 audit source-identities 命令。 - tests/test_source_identity.py：11 项测试覆盖姓名重复次数、arXiv 作者表示、冲突/错误标识绑定、无候选不能证明新作品、空作者、候选截断、输入篡改及防重放，并实际查询现有 PostgreSQL 只读快照及核对压缩证据。 - .gitea/workflows/check.yml：增加安装后审计 CLI 检查。 - docs/source-identity-audit.md：说明服务配置、输入、证据结构、恢复和后续人工身份核查边界。 - README.md：增加通用预检文档入口。验证：精确 head fe3e2502a5238c543b3d53b03d14568ce6d1e8b2 的 CI1154/job1251 在 aliyun-ces-control（已授权 ces-control:host）成功，429 项测试通过，wheel 构建、安装和安装后 CLI 检查成功；新增 PostgreSQL 集成测试实际运行。日志 SHA256 a034adc6909b811547d0b5de89659cbc6f4c6ae12483e03600b18947e59fb175。本机仅 AST、数据哈希及差异检查，未测试或构建。限制：无精确匹配不证明新作品；标识和姓名都可能有误，所有候选仍需原始证据审核。不是最终全库去重或会议覆盖验收。NeurIPS9004 来源内部精确标题无重复，但不能据此推断跨来源已去重。 base main b675a38；head codex/source-identity-audit。等待用户手动合并；未直接推送 main 或自动合并。 ### NeurIPS 2026 真实来源只读验收已用精确提交执行9004条真实来源的只读预检，并由独立逻辑重新查询全量候选集合、核对9004条输入及4983份压缩实体证据；报告 SHA256 4fa5c065006639a0bf7d5372d0e0378b740767e6bd10fc488ec2c1977eb6497a，独立验收 SHA256 88d0b49e543d6dabb294ae95bb82b84a2ac17239c230adf60b226be6d8ad811c。来源、投稿、决定及出处均无截断。结果为3479精确标题/作者候选、1458部分作者重合、11多实体、20作者不一致、4036无精确匹配；全部未批准导入，未写数据库，不代表9004篇新论文或最终去重完成。两个单元均同一invocation观察至PID0/exit0/terminal success。

codex-bot added 1 commit 2026-11-09 18:55:56 +00:00

Add read-only source identity candidate audit with evidence shards

Metadata integrity checks / metadata (push) Successful in 2m42s

Details

fe3e2502a5

codex-bot marked the pull request as ready for review 2026-11-09 18:59:29 +00:00

Zayden-Jung merged commit 891a63d982 into main

2026-11-10 06:55:26 +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#51