让稳定论文身份优先并拒绝多候选标题自动合并 #25

2026-11-08T07:49:16Z

codex-bot commented

2026-11-08 07:49:16 +00:00

同标题、同作者的会议初稿与扩展稿可能分别拥有真实 arXiv 编号。旧 Store.record 会把稳定标识命中的实体和其他标题候选一起归并；无标识时，多个候选也会一起合并。历史 UAI 预检实际发现了27组此类风险。

paper_atlas/db/store.py：已有稳定标识/原来源记录优先，不把其他标题候选拉入实体；没有身份锚点时，作者佐证的精确标题只能匹配唯一候选，否则报 Ambiguous paper identity。新来源同时给出多个已存在的稳定标识时，仍允许明确桥接；其他同标题关系留作待核查候选。
tests/test_index_core.py：验证身份锚点和原来源刷新不吞并另一个存档、含前序记录的文件遇歧义整体回滚、明确标识桥接不额外拉入第三个标题候选；原有跨来源唯一标题匹配和历史/标签保留检查继续适用。
tests/test_postgres_ingestion.py：真实隔离PG schema验证来源与实体分开、歧义文件整体回滚及旧投稿/合并日志保留，覆盖生产后端。
docs/usage.md：说明身份优先级、歧义失败及版本关系核查方式。

本PR的新规则尚未部署，未执行历史候选批次导入；独立的已声明重复存档操作见后续核查记录；这项修复不等于已解决全部31条待核查元数据，或已完成全库去重。论文原始来源、标识和投稿历史仍需逐条证据核验。

base main；head codex/paper-identity-guards，独立于PR24分类修复。等待用户手动合并，不直接推送main，不自动合并。

精确提交CI1030在aliyun-ces-control成功，214项测试通过，wheel构建/安装及安装后CLI成功。本机仅AST与diff检查，未运行项目测试或构建。

后续真实身份核查（2026-11-08）

仅一组作者公开声明的重复存档已使用既有已验收原生writer单独归并：arXiv1408.2049声明为1204.1664重复，两份元数据、两个标识、五条标签证据全部保留，旧实体550525映射333549。事务与独立回读验收均成功，单元invocation619972120b01469692c32c699d7dc7cb；报告explicit-arxiv-duplicate-merge-postcheck-v1.json SHA256 ff29ac431986fb0872df21d9229e565ea6414863034c83129b4fc24580f8aea6。547956决定、508404投稿未变；arXiv撤回没有被当作UAI撤稿。此操作独立于尚未合并的新身份规则，不代表已部署该PR。

UAI2008官方节目及AUAI代理存档确认了四篇不同论文：arXiv1206.3239报告页62–69、1206.3267报告页333–340、1206.3256报告页204–211、1206.3242报告页88–96。原书目候选的题名/作者/页码组合存在冲突，但这些事实尚不足以认定原DBLP条目究竟是题名错、页码错、重复书目键或不同出版版本。尤其GanchevGBT08的题名/作者与Ganchev论文一致、页码却指向另一篇，不能仅凭页码把它改写为Christoudias论文。此前直接判作题名/作者错配的推断已收回；原始书目、规范化文件均未据此改动。

新增只读出版身份审计a455已成功，2027个候选论文ID内检查2015条arXiv来源，对2351条UAI书目给出1406条单实体报告号候选和4条题名冲突（另609条该范围无报告号、332条非标准页码）。这只是候选范围，不能证明全量匹配或缺失。4条冲突包括CraddockB86（可能存在编辑图书/原会议不同分页）、DuongWS08（页码或条目对应关系待查）及上述KurokiC08/GanchevGBT08；不能按报告号年份/页码单独归并、改题名或删除记录。报告uai-publication-anchor-audit-v1.json SHA256 534a5382b08068c292c95bb73d659e0780161050da25924a59347d7d7ba3b466。

原31条核查项仅上述一组重复已解决，其余26组多存档/版本、4个原始书目条目和新增2条分页/出版版本冲突仍待原发表身份核查，只有获得字段层面的原始来源证据后才能校正。3605条历史候选尚未导入；原63文件队列不能直接重放，旧预检在单组归并后也需刷新。最终全库去重与版本历史模型仍未完成。

同标题、同作者的会议初稿与扩展稿可能分别拥有真实 arXiv 编号。旧 Store.record 会把稳定标识命中的实体和其他标题候选一起归并；无标识时，多个候选也会一起合并。历史 UAI 预检实际发现了27组此类风险。 - paper_atlas/db/store.py：已有稳定标识/原来源记录优先，不把其他标题候选拉入实体；没有身份锚点时，作者佐证的精确标题只能匹配唯一候选，否则报 Ambiguous paper identity。新来源同时给出多个已存在的稳定标识时，仍允许明确桥接；其他同标题关系留作待核查候选。 - tests/test_index_core.py：验证身份锚点和原来源刷新不吞并另一个存档、含前序记录的文件遇歧义整体回滚、明确标识桥接不额外拉入第三个标题候选；原有跨来源唯一标题匹配和历史/标签保留检查继续适用。 - tests/test_postgres_ingestion.py：真实隔离PG schema验证来源与实体分开、歧义文件整体回滚及旧投稿/合并日志保留，覆盖生产后端。 - docs/usage.md：说明身份优先级、歧义失败及版本关系核查方式。本PR的新规则尚未部署，未执行历史候选批次导入；独立的已声明重复存档操作见后续核查记录；这项修复不等于已解决全部31条待核查元数据，或已完成全库去重。论文原始来源、标识和投稿历史仍需逐条证据核验。 base main；head codex/paper-identity-guards，独立于PR24分类修复。等待用户手动合并，不直接推送main，不自动合并。精确提交CI1030在aliyun-ces-control成功，214项测试通过，wheel构建/安装及安装后CLI成功。本机仅AST与diff检查，未运行项目测试或构建。 ### 后续真实身份核查（2026-11-08）仅一组作者公开声明的重复存档已使用既有已验收原生writer单独归并：arXiv1408.2049声明为1204.1664重复，两份元数据、两个标识、五条标签证据全部保留，旧实体550525映射333549。事务与独立回读验收均成功，单元invocation619972120b01469692c32c699d7dc7cb；报告explicit-arxiv-duplicate-merge-postcheck-v1.json SHA256 `ff29ac431986fb0872df21d9229e565ea6414863034c83129b4fc24580f8aea6`。547956决定、508404投稿未变；arXiv撤回没有被当作UAI撤稿。此操作独立于尚未合并的新身份规则，不代表已部署该PR。 [UAI2008官方节目](https://www.auai.org/uai2008/programme.shtml)及AUAI代理存档确认了四篇不同论文：arXiv1206.3239报告页62–69、1206.3267报告页333–340、1206.3256报告页204–211、1206.3242报告页88–96。原书目候选的题名/作者/页码组合存在冲突，但这些事实尚不足以认定原DBLP条目究竟是题名错、页码错、重复书目键或不同出版版本。尤其GanchevGBT08的题名/作者与Ganchev论文一致、页码却指向另一篇，不能仅凭页码把它改写为Christoudias论文。此前直接判作题名/作者错配的推断已收回；原始书目、规范化文件均未据此改动。新增只读出版身份审计a455已成功，2027个候选论文ID内检查2015条arXiv来源，对2351条UAI书目给出1406条单实体报告号候选和4条题名冲突（另609条该范围无报告号、332条非标准页码）。这只是候选范围，不能证明全量匹配或缺失。4条冲突包括CraddockB86（可能存在编辑图书/原会议不同分页）、DuongWS08（页码或条目对应关系待查）及上述KurokiC08/GanchevGBT08；不能按报告号年份/页码单独归并、改题名或删除记录。报告uai-publication-anchor-audit-v1.json SHA256 `534a5382b08068c292c95bb73d659e0780161050da25924a59347d7d7ba3b466`。原31条核查项仅上述一组重复已解决，其余26组多存档/版本、4个原始书目条目和新增2条分页/出版版本冲突仍待原发表身份核查，只有获得字段层面的原始来源证据后才能校正。3605条历史候选尚未导入；原63文件队列不能直接重放，旧预检在单组归并后也需刷新。最终全库去重与版本历史模型仍未完成。

codex-bot added 1 commit 2026-11-08 07:49:16 +00:00

Keep stable paper identities separate from ambiguous title matches

Metadata integrity checks / metadata (push) Successful in 1m16s

Details

9cc7b5b050

codex-bot marked the pull request as ready for review 2026-11-08 07:51:35 +00:00

~~codex-bot referenced this pull request 2026-11-08 08:26:15 +00:00~~

按证据补充稳定标识并保留原始书目字段 #26

Zayden-Jung merged commit daf15e21d3 into main

2026-11-08 15:07:16 +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#25