保留ICLR历史录用档案的轨道与完整来源证据 #41

2026-11-09T08:09:56Z

codex-bot commented

2026-11-09 08:09:56 +00:00

ICLR2014–2016的官方录用档案尚未被现代program JSON适配器覆盖。2015把11篇oral重复列为poster，并在同页列74篇workshop，逐链接导入会重复展示或错标轨道。本PR增加独立HTML适配器，保留完整作者原文、arXiv版本和逐次展示证据。

paper_atlas/collectors/iclr_archive.py：支持限定三年布局、按年/轨道/稳定标识归并重复展示；2014读取完整作者段落及独立斜体块，2016代码链接不进入作者；快照校验、锁、计数保护和完成报告最后落盘；采集不访问数据库或下载PDF。
paper_atlas/cli.py：新增collect iclr-archive。
tests/test_iclr_archive.py：九项回归覆盖重复展示、同arXiv不同轨道、完整分片作者与独立块、版本、安全快照、计数变化及原生导入保留跨会先拒后录和既有摘要。
.gitea/workflows/check.yml：增加安装后命令检查，沿用已授权ces-control远程runner。
README.md、docs/coverage/iclr-archive-2014-2016.md：补充长期按需运行、来源、恢复及数据限制。

精确head b5c0618be56aa927f1f6f1146e2d5a08813d36bd 的CI1125/job1222在aliyun-ces-control成功：356项测试、wheel构建、安装及CLI检查通过。本机仅AST、JSON、差异及哈希检查，未执行项目测试或构建。已核对最新main 8ad052f，虚拟三方合并无冲突。

实际来源v2已通过独立完整原始作者段落/列表项、标题、全部链接、版本和段落证据核验：2014main35、2015main31+workshop74、2016main80，共220条来源，完整对应231次原始链接；11次重复展示的证据仍保留。仅暂存66个已核验源码文件，未替换默认运行环境或canonical writer。

来源报告 /data/paper-index/collected/iclr-archive-source-v2/independent-source-check.json，SHA256 6e1536c943f627f3613a663b715132764502ccfc024db8792c6887f62b8e56bd。独立检查曾检出首版6条分片作者截断，均未入库；修复回归后重采集v2，完整作者逐条复核通过。旧v1及197/23预检已明确作废，只保留追溯证据，不可导入。

修复后PostgreSQL只读预检：220条来源涉及219个已存在arXiv标识；198条兼容现有锚点，22条仍因标题/作者差异、额外同标题实体或共享跨年标识待单独核查。预检SHA256 8a3d6f7f8a87b919e5249ed4f0042b7c979bbbf9a94bea11ec09eb6c6dc8a1b9。这些不是新增220篇论文，尚未生产导入，历史缺口仍51。

全部来源摘要为空，不覆盖已有摘要；官方录用清单不是原始决定签名，缺席不等于拒稿。2014workshop、其他未列轨道、完整公开负面来源及最终全库去重仍待后续工作。

base main；head codex/iclr-archive。PR可评审，等待用户手动合并；不自动合并、不直接推送main。

生产历史导入与独立验收（2026-11-09）

已用既有原生writer714f745完成198条已有arXiv锚点的会议历史导入及独立验收，invocation 0befa45e9f2844e2bf141f4abdd5b8f1 terminal success。新增来源/投稿/决定各198，新增论文实体0；198篇既有论文的完整标题、作者、摘要和旧来源关系均保持不变。292篇受保护论文、WWW/IJCAI修订和全部旧投稿/决定及两类来源关系的原ID前缀排序哈希通过；约束、GIN、3项实际全文查询、foundry-core readyz200、只读SQLite备份均通过。

报告 /data/paper-index/collected/iclr-archive-import-v1/postgresql-postcheck-v1.json，SHA256 5ec343f4a27e2e03fc14fba0f6483bb78eb265471c0fa25012804f0469bdfbad。覆盖为2014main32/35、2015main30/31、2015workshop63/74、2016main73/80，均保持partial。

新只读年份快照2026-11-09T08:48:28Z：43会议1266目标年份中1203有记录，历史缺口51→48；另14个2026待补、1个非归档例外。差集严格等于ICLR2014/2015/2016。年份已有记录不等于完整逐篇/摘要/拒稿覆盖。

剩余22条已完成明确逐项身份评估、原生curate证据追加和新生产父状态只读预检，仍未入库。22条涉及21个既有arXiv实体；保留1411.7676的2015workshop与2016main两次投稿，不合并额外同标题或长版实体；arXiv withdrawn评论不转换为会议withdrawn，under-review转workshop评论也不推断main rejected。书目原文保持，新增标识0，只附加评估证据。

追加队列 /data/paper-index/collected/iclr-archive-reviewed-prepared-v1，SHA256 3bb6b64ac8988ddaf92f815de48955b6da0b0b22ddcbc826ef09e011331e0bd4；严格绑定四个父覆盖计数32/30/63/73，之后须单独原生导入和独立验收，不能重放198或原始220文件。代码仍等待用户手动合并。

剩余22条追加验收（2026-11-09）

22条增量现已完成原生导入和独立验收，invocation 57963001862f4112a224e0a25eb74b72 terminal success。新增来源/投稿/决定各22，新增论文实体、会议届次和年份均为0。全部315篇受保护论文、父批198条来源/画像/标签、旧全局投稿决定及两类来源关系的原ID前缀哈希、额外同标题实体均保持。约束、GIN、3项实际全文查询、foundry-core readyz200及冻结SQLite通过。

报告 /data/paper-index/collected/iclr-archive-reviewed-import-v1/postgresql-postcheck-v1.json，SHA256 258798371d19a9c9b8843a4d665516af13f6f1aa1ea3b79f505377be0f5df275。四个来源清单计数现为35/35、31/31、74/74、80/80，状态仍partial；仅说明这三页已选择清单完整对应，2014workshop及其他未列轨道/公开拒稿/摘要不在本批证明范围。

原始三页合计220条来源对应219个既有arXiv实体；1411.7676保留2015workshop与2016main两个独立投稿ID，不合并其他长版实体，arXiv withdrawn评论也未制造会议withdrawn决定。所有22条身份评估证据已随来源metadata保留。历史年份缺口仍48，最终全库去重尚未完成。

198和22队列均已消耗，不可重放原始220文件。未替换默认runtime或canonical writer，未直接推送main或自动合并。

ICLR2014–2016的官方录用档案尚未被现代program JSON适配器覆盖。2015把11篇oral重复列为poster，并在同页列74篇workshop，逐链接导入会重复展示或错标轨道。本PR增加独立HTML适配器，保留完整作者原文、arXiv版本和逐次展示证据。 - paper_atlas/collectors/iclr_archive.py：支持限定三年布局、按年/轨道/稳定标识归并重复展示；2014读取完整作者段落及独立斜体块，2016代码链接不进入作者；快照校验、锁、计数保护和完成报告最后落盘；采集不访问数据库或下载PDF。 - paper_atlas/cli.py：新增collect iclr-archive。 - tests/test_iclr_archive.py：九项回归覆盖重复展示、同arXiv不同轨道、完整分片作者与独立块、版本、安全快照、计数变化及原生导入保留跨会先拒后录和既有摘要。 - .gitea/workflows/check.yml：增加安装后命令检查，沿用已授权ces-control远程runner。 - README.md、docs/coverage/iclr-archive-2014-2016.md：补充长期按需运行、来源、恢复及数据限制。精确head `b5c0618be56aa927f1f6f1146e2d5a08813d36bd` 的CI1125/job1222在aliyun-ces-control成功：356项测试、wheel构建、安装及CLI检查通过。本机仅AST、JSON、差异及哈希检查，未执行项目测试或构建。已核对最新main `8ad052f`，虚拟三方合并无冲突。实际来源v2已通过独立完整原始作者段落/列表项、标题、全部链接、版本和段落证据核验：2014main35、2015main31+workshop74、2016main80，共220条来源，完整对应231次原始链接；11次重复展示的证据仍保留。仅暂存66个已核验源码文件，未替换默认运行环境或canonical writer。来源报告 `/data/paper-index/collected/iclr-archive-source-v2/independent-source-check.json`，SHA256 `6e1536c943f627f3613a663b715132764502ccfc024db8792c6887f62b8e56bd`。独立检查曾检出首版6条分片作者截断，均未入库；修复回归后重采集v2，完整作者逐条复核通过。旧v1及197/23预检已明确作废，只保留追溯证据，不可导入。修复后PostgreSQL只读预检：220条来源涉及219个已存在arXiv标识；198条兼容现有锚点，22条仍因标题/作者差异、额外同标题实体或共享跨年标识待单独核查。预检SHA256 `8a3d6f7f8a87b919e5249ed4f0042b7c979bbbf9a94bea11ec09eb6c6dc8a1b9`。这些不是新增220篇论文，尚未生产导入，历史缺口仍51。全部来源摘要为空，不覆盖已有摘要；官方录用清单不是原始决定签名，缺席不等于拒稿。2014workshop、其他未列轨道、完整公开负面来源及最终全库去重仍待后续工作。 base main；head codex/iclr-archive。PR可评审，等待用户手动合并；不自动合并、不直接推送main。 ### 生产历史导入与独立验收（2026-11-09）已用既有原生writer714f745完成198条已有arXiv锚点的会议历史导入及独立验收，invocation `0befa45e9f2844e2bf141f4abdd5b8f1` terminal success。新增来源/投稿/决定各198，新增论文实体0；198篇既有论文的完整标题、作者、摘要和旧来源关系均保持不变。292篇受保护论文、WWW/IJCAI修订和全部旧投稿/决定及两类来源关系的原ID前缀排序哈希通过；约束、GIN、3项实际全文查询、foundry-core readyz200、只读SQLite备份均通过。报告 `/data/paper-index/collected/iclr-archive-import-v1/postgresql-postcheck-v1.json`，SHA256 `5ec343f4a27e2e03fc14fba0f6483bb78eb265471c0fa25012804f0469bdfbad`。覆盖为2014main32/35、2015main30/31、2015workshop63/74、2016main73/80，均保持partial。新只读年份快照2026-11-09T08:48:28Z：43会议1266目标年份中1203有记录，历史缺口51→48；另14个2026待补、1个非归档例外。差集严格等于ICLR2014/2015/2016。年份已有记录不等于完整逐篇/摘要/拒稿覆盖。剩余22条已完成明确逐项身份评估、原生curate证据追加和新生产父状态只读预检，仍未入库。22条涉及21个既有arXiv实体；保留1411.7676的2015workshop与2016main两次投稿，不合并额外同标题或长版实体；arXiv withdrawn评论不转换为会议withdrawn，under-review转workshop评论也不推断main rejected。书目原文保持，新增标识0，只附加评估证据。追加队列 `/data/paper-index/collected/iclr-archive-reviewed-prepared-v1`，SHA256 `3bb6b64ac8988ddaf92f815de48955b6da0b0b22ddcbc826ef09e011331e0bd4`；严格绑定四个父覆盖计数32/30/63/73，之后须单独原生导入和独立验收，不能重放198或原始220文件。代码仍等待用户手动合并。 ### 剩余22条追加验收（2026-11-09） 22条增量现已完成原生导入和独立验收，invocation `57963001862f4112a224e0a25eb74b72` terminal success。新增来源/投稿/决定各22，新增论文实体、会议届次和年份均为0。全部315篇受保护论文、父批198条来源/画像/标签、旧全局投稿决定及两类来源关系的原ID前缀哈希、额外同标题实体均保持。约束、GIN、3项实际全文查询、foundry-core readyz200及冻结SQLite通过。报告 `/data/paper-index/collected/iclr-archive-reviewed-import-v1/postgresql-postcheck-v1.json`，SHA256 `258798371d19a9c9b8843a4d665516af13f6f1aa1ea3b79f505377be0f5df275`。四个来源清单计数现为35/35、31/31、74/74、80/80，状态仍partial；仅说明这三页已选择清单完整对应，2014workshop及其他未列轨道/公开拒稿/摘要不在本批证明范围。原始三页合计220条来源对应219个既有arXiv实体；1411.7676保留2015workshop与2016main两个独立投稿ID，不合并其他长版实体，arXiv withdrawn评论也未制造会议withdrawn决定。所有22条身份评估证据已随来源metadata保留。历史年份缺口仍48，最终全库去重尚未完成。 198和22队列均已消耗，不可重放原始220文件。未替换默认runtime或canonical writer，未直接推送main或自动合并。

codex-bot added 1 commit 2026-11-09 08:09:56 +00:00

Collect archived ICLR accepted lists with track and presentation evidence

Metadata integrity checks / metadata (push) Successful in 2m15s

Details

348ebe0695

codex-bot added 1 commit 2026-11-09 08:19:46 +00:00

Preserve complete fragmented ICLR 2014 author paragraphs

Metadata integrity checks / metadata (push) Successful in 2m9s

Details

81864e48ae

codex-bot added 1 commit 2026-11-09 08:25:21 +00:00

Handle standalone italic author blocks in the historical archive

Metadata integrity checks / metadata (push) Successful in 2m6s

Details

b5c0618be5

codex-bot changed title from ~~WIP: 保留ICLR历史录用档案的轨道与重复展示证据~~ to 保留ICLR历史录用档案的轨道与完整来源证据

2026-11-09 08:31:33 +00:00

Zayden-Jung merged commit ec9edd88d4 into main

2026-11-09 09:02:50 +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#41