仅投影公开评审镜像索引字段并保留决定来源 #71
Reference in New Issue
Block a user
Delete Branch "codex/reviewarena-metadata"
Deleting a branch is permanent. Although the deleted branch may continue to exist for a short time before it actually gets removed, it CANNOT be undone in most cases. Continue?
公开评审镜像把正文、OCR和评审文本与索引字段放在同一Parquet中;整文件下载后删列仍会保存不需要的数据。本PR根据页脚仅请求索引列的数据块,保留镜像来源和原始字段,避免把镜像声明自动提升为官方论坛身份或最终决定。
实际EMNLP2023投影发现2009行均为录用声明:Accept-Main994、Accept-Findings1015,但原始track全部为main。新增独立decision-track声明并保留原track,支持从已核验缓存离线重解析,避免重复请求源文件。该固定分片不能补拒稿缺口,不能据此推断原始平台没有公开拒稿。
改动:
验证:
源投影归档SHA256:
5f0aa9b1c9f7ba0b2877d2d7a800618a562d2247be81427e08cf101facbc7888。离线版本归档SHA256:
28288905b3c421db6192d9c9f4aef703a6607f3400434648f823c5efe53bd23c。限制:EMNLP与COLM的固定分片已完成实际采集和逐行验收,其余五类镜像尚未实采。完整Parquet LFS SHA只是上游对象声明,未下载全文件所以未验证完整对象哈希。镜像ID/作者/决定未完成原始论坛或签名验证,没有导入生产、批准新作品身份或执行合并;全会议覆盖、原始公开负面决定和最终全库去重仍待完成。
base main f982851;head codex/reviewarena-metadata 7d9c693(含90fd789、98ef415)。独立于PR69/70,已可评审,等待用户手动合并。
补充真实任务1252/job1349:COLM717行(2024年299、2025年418),全部原始决定为Accept;15次范围读取702,719字节,原文件37,291,354字节。全部行、来源标记、范围和恢复归档已独立核验;没有原始论坛/签名验证或生产导入。这份固定镜像也不包含明确负面决定,不能填补拒稿缺口。恢复归档SHA256
266191b3a50caeb933096a5ed0bd1b542dbe4801c03032b3287f1c5cc34835d6。