封装 MM 2026 全量出版记录与独立节目证据 #68

Merged
Zayden-Jung merged 2 commits from codex/mm-publications into main 2026-11-17 18:43:56 +00:00
Collaborator

MM 2026 注册论文集与官方节目采用不同标识、题名和作者版本,不能只抓已在 arXiv 命中的少数论文。本 PR 将全部 1918 个注册 DOI 封装为可复用包内采集命令,保留独立原始证据、完整节目上下文与待核版本,不连接数据库或网络。

  • paper_atlas/collectors/mm_publications2026.py:校验完整8页目录、父论文集与节目固定快照,输出全部11分区;1726条唯一节目对应,192条版本待核,417个未对应节目单独保留。1717条节目摘要逐字保存并注明来源,201条保持缺失。保留单一姓名字段与字面数学标记;不伪造 OpenReview/投稿ID、签署决定或研究类型。
  • paper_atlas/cli.py:注册 collect mm2026-publications 命令。
  • tests/test_mm_publications2026.py:全1918独立预期值、来源篡改与重复输出检查,以及全部11分区的 SQLite/隔离 PostgreSQL 原生导入回归,核验源字段、标签、publication_doi、partial覆盖及旧拒稿和规范资料保留。
  • tests/fixtures/mm2026-publications.json.gz:完整原始注册响应及独立1918项预期值;复用既有节目fixture。
  • .gitea/workflows/check.yml:在授权远程 runner 上构建安装,实际运行安装后全1918条采集及只读 PostgreSQL 预检;原始来源fixture使归档上限由16MiB调整为24MiB。
  • README.md:补充命令入口、用途及来源边界。
  • docs/mm2026-publications.md:用法、分区、摘要来源、版本差异、标签命名空间、恢复及入库前后验收要求。

标签分别使用 mm_registry_program:crossref:type 与 mm_registry_program:mm_program:track,符合写入器来源前缀规则;注册书目类型与节目track仍独立,均不等同研究类型。旧13536d6规范化输出不能直接导入,修复版另存native-v2,完整原始证据保留。

验证:提交 83f3ebd26b33501a93e371d458458273f72983c3,授权 aliyun-ces-control 的 CI1240/job1337 成功,555项测试通过;构建安装、安装后完整1918条CLI及只读PG预检通过。没有在本机执行项目测试或构建。

服务器实证:native-v2 invocation 51f4d73dbae14235bd1976ba2389a497 成功;全1918条和755个历史包独立核验,无截断。13.5MB恢复包SHA256 69d47b63d2f681b6431eead4e2c13d1779dfc8a785efec544c3f5a10259846b8 已取回并独立核验。逐项比较证明仅标签命名空间前缀改变,755个完整历史证据包保持一致。

生产数据验收:319个既有作品关联(121个原始DOI锚点、198个完整来源摘要/题名/作者对应)已通过新鲜状态校验、完整保护基线和原生写入后的独立验收。实际 invocation 44efbed08a684d10803b7b92898e5a17 终态成功,服务器 postcheck SHA256 b82ebf3902e4d140fb9c51308d351d38684e27386509e71f6dbd297c9c222c85。

实际新增319条MM来源记录、319条发表观察投稿记录、319条决定观察、198个DOI绑定及626条来源标签证据,新增论文实体为0。8个来源分区保持partial;12条来源摘要缺失保持原样,319篇原有规范摘要全部保留。全量旧投稿/决定及来源关系、6131篇保护资料/标识/标签、旧curation/merge/annotation均核对通过;四次旧投稿的七条负面决定来源记录完整保留,不能算成七次拒稿。foundry-core readyz=200,受保护SQLite保持只读。

验收恢复包10,772,179字节,SHA256 215ac73ce3a6bdfd65a5e2f43bbaa154fdbb3582d7f674a61096de19bb69c8a8,已取回并独立验证319个唯一作品的来源字节/标识图/coverage及完整预写队列一致性;本地proof SHA256 e978df8cc6a5c3f47c5d21106458c0ddfc04a6f9c5100119fe97682e96dcd634。全部8个准备文件已消耗,禁止重放。

最新固定43会议/278年度槽位的只读快照经本地重算:273个有数据,5个仍为空(CIKM、ECCV、ICDM、IROS、ISMIR的2026年度)。这是存在性统计,不能代表论文/track/摘要/公开拒稿完整性;MM本身仍有1599条注册来源待处理,完整28节目track及公开负面来源覆盖继续核查。总目标仍13/17,最终全库去重为独立必做阶段。

base main;head codex/mm-publications。等待用户手动合并。

MM 2026 注册论文集与官方节目采用不同标识、题名和作者版本,不能只抓已在 arXiv 命中的少数论文。本 PR 将全部 1918 个注册 DOI 封装为可复用包内采集命令,保留独立原始证据、完整节目上下文与待核版本,不连接数据库或网络。 - `paper_atlas/collectors/mm_publications2026.py`:校验完整8页目录、父论文集与节目固定快照,输出全部11分区;1726条唯一节目对应,192条版本待核,417个未对应节目单独保留。1717条节目摘要逐字保存并注明来源,201条保持缺失。保留单一姓名字段与字面数学标记;不伪造 OpenReview/投稿ID、签署决定或研究类型。 - `paper_atlas/cli.py`:注册 `collect mm2026-publications` 命令。 - `tests/test_mm_publications2026.py`:全1918独立预期值、来源篡改与重复输出检查,以及全部11分区的 SQLite/隔离 PostgreSQL 原生导入回归,核验源字段、标签、publication_doi、partial覆盖及旧拒稿和规范资料保留。 - `tests/fixtures/mm2026-publications.json.gz`:完整原始注册响应及独立1918项预期值;复用既有节目fixture。 - `.gitea/workflows/check.yml`:在授权远程 runner 上构建安装,实际运行安装后全1918条采集及只读 PostgreSQL 预检;原始来源fixture使归档上限由16MiB调整为24MiB。 - `README.md`:补充命令入口、用途及来源边界。 - `docs/mm2026-publications.md`:用法、分区、摘要来源、版本差异、标签命名空间、恢复及入库前后验收要求。 标签分别使用 `mm_registry_program:crossref:type` 与 `mm_registry_program:mm_program:track`,符合写入器来源前缀规则;注册书目类型与节目track仍独立,均不等同研究类型。旧13536d6规范化输出不能直接导入,修复版另存native-v2,完整原始证据保留。 验证:提交 `83f3ebd26b33501a93e371d458458273f72983c3`,授权 aliyun-ces-control 的 CI1240/job1337 成功,555项测试通过;构建安装、安装后完整1918条CLI及只读PG预检通过。没有在本机执行项目测试或构建。 服务器实证:native-v2 invocation `51f4d73dbae14235bd1976ba2389a497` 成功;全1918条和755个历史包独立核验,无截断。13.5MB恢复包SHA256 `69d47b63d2f681b6431eead4e2c13d1779dfc8a785efec544c3f5a10259846b8` 已取回并独立核验。逐项比较证明仅标签命名空间前缀改变,755个完整历史证据包保持一致。 生产数据验收:319个既有作品关联(121个原始DOI锚点、198个完整来源摘要/题名/作者对应)已通过新鲜状态校验、完整保护基线和原生写入后的独立验收。实际 invocation `44efbed08a684d10803b7b92898e5a17` 终态成功,服务器 postcheck SHA256 `b82ebf3902e4d140fb9c51308d351d38684e27386509e71f6dbd297c9c222c85`。 实际新增319条MM来源记录、319条发表观察投稿记录、319条决定观察、198个DOI绑定及626条来源标签证据,新增论文实体为0。8个来源分区保持partial;12条来源摘要缺失保持原样,319篇原有规范摘要全部保留。全量旧投稿/决定及来源关系、6131篇保护资料/标识/标签、旧curation/merge/annotation均核对通过;四次旧投稿的七条负面决定来源记录完整保留,不能算成七次拒稿。foundry-core readyz=200,受保护SQLite保持只读。 验收恢复包10,772,179字节,SHA256 `215ac73ce3a6bdfd65a5e2f43bbaa154fdbb3582d7f674a61096de19bb69c8a8`,已取回并独立验证319个唯一作品的来源字节/标识图/coverage及完整预写队列一致性;本地proof SHA256 `e978df8cc6a5c3f47c5d21106458c0ddfc04a6f9c5100119fe97682e96dcd634`。全部8个准备文件已消耗,禁止重放。 最新固定43会议/278年度槽位的只读快照经本地重算:273个有数据,5个仍为空(CIKM、ECCV、ICDM、IROS、ISMIR的2026年度)。这是存在性统计,不能代表论文/track/摘要/公开拒稿完整性;MM本身仍有1599条注册来源待处理,完整28节目track及公开负面来源覆盖继续核查。总目标仍13/17,最终全库去重为独立必做阶段。 base main;head codex/mm-publications。等待用户手动合并。
codex-bot added 1 commit 2026-11-17 16:48:36 +00:00
Normalize all MM 2026 publications with attributed program evidence
Metadata integrity checks / metadata (push) Successful in 5m4s
13536d6268
codex-bot marked the pull request as ready for review 2026-11-17 17:02:36 +00:00
codex-bot added 1 commit 2026-11-17 17:32:13 +00:00
Fix MM publication tag provenance and exercise full native ingestion
Metadata integrity checks / metadata (push) Successful in 6m46s
83f3ebd26b
Zayden-Jung merged commit 88aeb4d2eb into main 2026-11-17 18:43:56 +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#68