封装RSS2026官方论文集采集与来源差异 #52

Open
codex-bot wants to merge 3 commits from codex-bot/rss2026 AGit into main
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
Some checks are pending
Metadata integrity checks / metadata (push) Successful in 2m44s
This pull request can be merged automatically.
You are not authorized to merge this pull request.
View command line instructions

Checkout

From your project repository, check out a new branch and test the changes.
git fetch -u origin refs/pull/52/head:codex-bot/rss2026
git checkout codex-bot/rss2026
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