封装RSS2026官方论文集采集与来源差异 #52

Merged
Zayden-Jung merged 3 commits from codex-bot/rss2026 AGit into main 2026-11-16 08:13:18 +00:00
Collaborator

RSS 2026 取消单独 demo-paper 类别,录用表存在作者缩略显示、六处姓名差异和一处标题差异,不能直接套用2025规则。本PR增加独立包内年度采集器,保留原始出版社元数据与节目差异,不夹带尚未合入main的RSS2025 PR43。

  • paper_atlas/collectors/rss2026.py:核对210篇固定目录、录用表、citation/BibTeX、完整摘要和2026政策;使用隐藏完整作者副本,保留六个已审核姓名差异及RLinf/RLux标题差异;快照/缓存收据校验、原始HTML证据、partial清单、输出防重放和失败checkpoint。不推断人名别名、勘误、原始投稿编号或拒稿。
  • paper_atlas/cli.py:增加collect rss2026-proceedings。
  • tests/test_rss2026.py、tests/fixtures/rss2026-source.json.gz:10项回归;逐篇对照独立清单的210个完整标题、作者、摘要、DOI和日期,并验证来源变化、篡改、恢复边界。
  • .gitea/workflows/check.yml:安装后实际执行210篇冻结来源CLI。
  • README.md、docs/rss2026-proceedings.md:操作、政策、证据结构、恢复及身份/入库限制。

验证:精确head 93f00d1a64792ca1ece99ae1e978ca96783e6017,CI1195/job1292在aliyun-ces-control(已授权ces-control:host)成功;439项测试通过,wheel构建、安装和安装后210篇采集CLI成功。日志SHA256 cf71e13fc39ba74f494fb7a57e5aff7590fdc72eefbbfd4c021970ab3b957053。本机仅AST、差异和fixture数据检查,没有本机测试/构建。HTTPS先前超时,现已恢复并实际核实CI,不能把此前网络失败当成测试失败。

限制:collector只写文件,不连接生产数据库,不下载PDF。DOI仍需独立身份核查,来源覆盖不等于主库完整;公共来源不含私有评审/拒稿全集。原始210篇已完成独立来源审计,服务器原生规范化与新鲜PostgreSQL预检另行验收,不构成本PR的生产入库或最终全库去重声明。

base main 891a63d为head祖先;工作分支codex/rss2026,AGit评审引用refs/pull/52/head与精确head一致。等待用户手动合并;未推送main、未自动合并。

真实冻结来源与主库只读预检

精确93f00d1代码在服务器原生采集210篇后,已独立逐篇比较标题、作者、摘要、DOI、日期和节目差异,来源验收SHA256 3808aeb2d2d5779c3340362348c49cff9008aa56a0cd1bf7cd8f7742049dd80d。210条输入及174份既有实体候选经另一组只读查询独立核对,验收SHA256 070ba36b4c0b607f2a5d2e3f40e488e4e6c2cc89787a93b7e60963d2d3929a7e。125条标题/完整作者候选、42条部分作者重合、7条既有标识绑定、36条无精确匹配,全部仍未批准导入。未写主库,未替换生产writer;不等于作品身份确认或最终全库去重。

RSS2026 131条独立生产验收

使用精确b4e249e导入器完成131条已审查的既有arXiv作品关联,0新论文实体,新增131来源/投稿/决定和131发表DOI投稿身份。保护5256篇论文、全部旧原始投稿/决定/来源关系、旧标识和标签;保留3篇既有负面历史(5条观察)。131条主来源摘要均保留,79条暂缓记录未导入。约束、实际GIN计划与查询、foundry readyz200和只读SQLite通过。独立报告SHA256 29cba1b51649aae2ec262c2a187beb6e1fee784bbc17672040b1d70253572b94。覆盖仍partial131/210;不是全体RSS论文、公开拒稿全集或最终全库去重。此为显式版本运行的数据操作,不代表PR已合并或默认代码目录已切换。等待用户手动合并。

RSS 2026 取消单独 demo-paper 类别,录用表存在作者缩略显示、六处姓名差异和一处标题差异,不能直接套用2025规则。本PR增加独立包内年度采集器,保留原始出版社元数据与节目差异,不夹带尚未合入main的RSS2025 PR43。 - paper_atlas/collectors/rss2026.py:核对210篇固定目录、录用表、citation/BibTeX、完整摘要和2026政策;使用隐藏完整作者副本,保留六个已审核姓名差异及RLinf/RLux标题差异;快照/缓存收据校验、原始HTML证据、partial清单、输出防重放和失败checkpoint。不推断人名别名、勘误、原始投稿编号或拒稿。 - paper_atlas/cli.py:增加collect rss2026-proceedings。 - tests/test_rss2026.py、tests/fixtures/rss2026-source.json.gz:10项回归;逐篇对照独立清单的210个完整标题、作者、摘要、DOI和日期,并验证来源变化、篡改、恢复边界。 - .gitea/workflows/check.yml:安装后实际执行210篇冻结来源CLI。 - README.md、docs/rss2026-proceedings.md:操作、政策、证据结构、恢复及身份/入库限制。 验证:精确head 93f00d1a64792ca1ece99ae1e978ca96783e6017,CI1195/job1292在aliyun-ces-control(已授权ces-control:host)成功;439项测试通过,wheel构建、安装和安装后210篇采集CLI成功。日志SHA256 cf71e13fc39ba74f494fb7a57e5aff7590fdc72eefbbfd4c021970ab3b957053。本机仅AST、差异和fixture数据检查,没有本机测试/构建。HTTPS先前超时,现已恢复并实际核实CI,不能把此前网络失败当成测试失败。 限制:collector只写文件,不连接生产数据库,不下载PDF。DOI仍需独立身份核查,来源覆盖不等于主库完整;公共来源不含私有评审/拒稿全集。原始210篇已完成独立来源审计,服务器原生规范化与新鲜PostgreSQL预检另行验收,不构成本PR的生产入库或最终全库去重声明。 base main 891a63d为head祖先;工作分支codex/rss2026,AGit评审引用refs/pull/52/head与精确head一致。等待用户手动合并;未推送main、未自动合并。 ### 真实冻结来源与主库只读预检 精确93f00d1代码在服务器原生采集210篇后,已独立逐篇比较标题、作者、摘要、DOI、日期和节目差异,来源验收SHA256 3808aeb2d2d5779c3340362348c49cff9008aa56a0cd1bf7cd8f7742049dd80d。210条输入及174份既有实体候选经另一组只读查询独立核对,验收SHA256 070ba36b4c0b607f2a5d2e3f40e488e4e6c2cc89787a93b7e60963d2d3929a7e。125条标题/完整作者候选、42条部分作者重合、7条既有标识绑定、36条无精确匹配,全部仍未批准导入。未写主库,未替换生产writer;不等于作品身份确认或最终全库去重。 ### RSS2026 131条独立生产验收 使用精确b4e249e导入器完成131条已审查的既有arXiv作品关联,0新论文实体,新增131来源/投稿/决定和131发表DOI投稿身份。保护5256篇论文、全部旧原始投稿/决定/来源关系、旧标识和标签;保留3篇既有负面历史(5条观察)。131条主来源摘要均保留,79条暂缓记录未导入。约束、实际GIN计划与查询、foundry readyz200和只读SQLite通过。独立报告SHA256 29cba1b51649aae2ec262c2a187beb6e1fee784bbc17672040b1d70253572b94。覆盖仍partial131/210;不是全体RSS论文、公开拒稿全集或最终全库去重。此为显式版本运行的数据操作,不代表PR已合并或默认代码目录已切换。等待用户手动合并。
codex-bot added 3 commits 2026-11-15 14:48:26 +00:00
codex-bot marked the pull request as ready for review 2026-11-15 14:52:43 +00:00
Zayden-Jung merged commit 5de7f6ff22 into main 2026-11-16 08:13:18 +00:00
Sign in to join this conversation.
No Reviewers
No Label
1 Participants
Notifications
Due Date
No due date set.
Dependencies

No dependencies set.

Reference: Zayden-Jung/paper-atlas#52