修复MM标题排版导致的26条节目摘要与分轨缺口 #69

Merged
Zayden-Jung merged 2 commits from codex/mm-title-formatting into main 2026-11-18 08:23:14 +00:00
Collaborator

MM2026注册标题中的HTML排版导致26条出版条目无法对应官方节目,缺少节目摘要与track。仅在原始题名没有候选时,剥离平衡、无属性的i/scp/sup/sub并单次解码实体,继续要求完整作者多重集合一致和唯一节目ID;原始题名、作者、摘要及来源证据全部保留。

  • paper_atlas/collectors/mm_publications2026.py:受限排版比较、明确比较文本及来源;26条固定对应,1条作者不一致继续待核;不完整标签及未知标记不能被解析器吞掉。
  • tests/fixtures/mm2026-title-formatting-review.json、tests/test_mm_publications2026.py:独立26条预期和1条作者分歧,以及全部1918条、异常标记、重复候选、作者多重集合、SQLite/PostgreSQL隔离原生导入回归。原始来源夹具未改。
  • .gitea/workflows/check.yml:构建安装后完整CLI及实际只读数据库预检。
  • README.md、docs/mm2026-publications.md:更新比较规则、来源数量、恢复和旧队列不可重放边界。

验证:最终提交12f95cf;ces-control:host / aliyun-ces-control上CI1245/job1342成功。560项测试通过(289.681秒),wheel构建安装、安装后1918条CLI及实际PostgreSQL只读预检均通过。本机仅AST、差异和独立元数据检查,没有本地项目测试或构建。新来源native-v3另经独立全量比较,确认只有26条新增摘要/分轨及1条作者待核变化,其他1891条和全部原始证据不变,2143个节目ID、4326个展示上下文、28个track均保留。

来源结果:节目摘要1743份、缺失175份;出版待分类166项,未匹配节目391项。节目对应不等于科学作品身份批准或公开拒稿完整覆盖。

生产范围:15条已逐项复核的已有作品关联通过原生导入和6250篇保全验收(其中7条使用新增排版对应),未增加论文实体,旧负面决定保留;MM来源记录累计438条。其余18条新增对应仍待处理。H²AL(10.1145/3767308.3834907)此前作为未分类观察入库,仍需单独补充来源、分轨和覆盖历史;禁止重放旧记录。分区预期值目前处于来源版本切换中,不能相加当成全局论文总数,未分类192→166需要显式的版本化覆盖核对。

base main;head codex/mm-title-formatting;commits9864632、12f95cf。已推送工作分支,等待用户手动合并;整体目标、剩余来源及最终全库去重尚未完成。

MM2026注册标题中的HTML排版导致26条出版条目无法对应官方节目,缺少节目摘要与track。仅在原始题名没有候选时,剥离平衡、无属性的i/scp/sup/sub并单次解码实体,继续要求完整作者多重集合一致和唯一节目ID;原始题名、作者、摘要及来源证据全部保留。 - paper_atlas/collectors/mm_publications2026.py:受限排版比较、明确比较文本及来源;26条固定对应,1条作者不一致继续待核;不完整标签及未知标记不能被解析器吞掉。 - tests/fixtures/mm2026-title-formatting-review.json、tests/test_mm_publications2026.py:独立26条预期和1条作者分歧,以及全部1918条、异常标记、重复候选、作者多重集合、SQLite/PostgreSQL隔离原生导入回归。原始来源夹具未改。 - .gitea/workflows/check.yml:构建安装后完整CLI及实际只读数据库预检。 - README.md、docs/mm2026-publications.md:更新比较规则、来源数量、恢复和旧队列不可重放边界。 验证:最终提交12f95cf;ces-control:host / aliyun-ces-control上CI1245/job1342成功。560项测试通过(289.681秒),wheel构建安装、安装后1918条CLI及实际PostgreSQL只读预检均通过。本机仅AST、差异和独立元数据检查,没有本地项目测试或构建。新来源native-v3另经独立全量比较,确认只有26条新增摘要/分轨及1条作者待核变化,其他1891条和全部原始证据不变,2143个节目ID、4326个展示上下文、28个track均保留。 来源结果:节目摘要1743份、缺失175份;出版待分类166项,未匹配节目391项。节目对应不等于科学作品身份批准或公开拒稿完整覆盖。 生产范围:15条已逐项复核的已有作品关联通过原生导入和6250篇保全验收(其中7条使用新增排版对应),未增加论文实体,旧负面决定保留;MM来源记录累计438条。其余18条新增对应仍待处理。H²AL(10.1145/3767308.3834907)此前作为未分类观察入库,仍需单独补充来源、分轨和覆盖历史;禁止重放旧记录。分区预期值目前处于来源版本切换中,不能相加当成全局论文总数,未分类192→166需要显式的版本化覆盖核对。 base main;head codex/mm-title-formatting;commits9864632、12f95cf。已推送工作分支,等待用户手动合并;整体目标、剩余来源及最终全库去重尚未完成。
codex-bot added 1 commit 2026-11-17 20:15:23 +00:00
Recover MM program evidence through reviewed title formatting
Metadata integrity checks / metadata (push) Failing after 5m46s
9864632774
codex-bot added 1 commit 2026-11-17 20:21:44 +00:00
Reject incomplete MM title markup before HTML parsing
Metadata integrity checks / metadata (push) Successful in 6m59s
12f95cff91
codex-bot changed title from WIP: 修复MM标题排版导致的节目摘要与分轨缺口 to 修复MM标题排版导致的26条节目摘要与分轨缺口 2026-11-17 20:31:29 +00:00
Zayden-Jung merged commit 31ff7d1626 into main 2026-11-18 08:23:14 +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#69