Files
paper-atlas/docs/ismir2026-program.md
codex-bot a980b1a1df
Metadata integrity checks / metadata (push) Successful in 6m45s
Record verified ISMIR increment to31 existing-work source links
2026-11-18 14:51:27 +08:00

9.2 KiB
Raw Permalink Blame History

ISMIR 2026 官方节目与摘要采集

这是长期维护项目中的离线采集器,按需处理冻结的官方元数据,不联网、不执行网页脚本、不下载论文 PDF、不连接数据库。输出仍须经过作品身份与投稿历史审查。

使用

paper-atlas collect ismir2026-program \
  --snapshots /data/paper-index/collected \
  --out /data/paper-index/collected/ismir2026-normalized-<new-run>

输入父目录需要三个冻结目录:

  • remaining2026-listings-research-v2:清单、ismir-accepted.html、ismir-call.html。
  • ismir2026-script-research-v1:清单及 papers.js,用于证明官方程序明确加载的数据文件和 poster 链接模板;只读取脚本原文。
  • ismir2026-json-research-v1:清单及 papers.json,提供 140 项完整元数据和公开摘要。

固定清单和全部输入原始字节均校验 SHA256、HTTP 回执、官方 URL 及带时区的采集时间。已有输出目录不能覆盖;先检查原任务是否已结束,再选择新目录。失败保留 failed.json,只有全批成功才发布 collection-report.json。

来源与版本

正式录用名单和官方虚拟平台各有 140 项,经来源内标题对应核查一致;其中 2 处标题有直引号/弯引号文字差异,3 处作者名单有差异,两个来源的原始写法分别保留并标记,不静默修正或拼接作者。

作者差异涉及节目 ID 60、126、433,包含大小写和姓名完整度问题。正式名单的作者机构可能含括号和分号,采集器只在括号外拆分作者;作者原始字符串也保留。来源内名单对应不代表数据库作品身份已经获准关联。

  • 原始 JSON 摘要全文保留,包括数学符号、换行和 Unicode,不作扁平化提取。
  • 数字 id、forum 是 miniconf 节目定位符,不视为原始 OpenReview 投稿 ID;不推断 DOI 或 arXiv ID,投稿标识列表保持空。
  • accepted 来自正式录用名单与节目平台,不是原始签名决定。track=program_unclassified,不从主题、session 或远程展示方式推断研究方法、workshop 或论文类型。
  • ismir_program:keyword 保存来源非空关键词,规范空白并去除同条记录内完全重复值;原始关键词列表(含空项)保留在元数据。
  • ismir_program:presentation 保存来源展示方式。Remote/In-person 是展示方式,不是研究类型。
  • poster URL 严格依据冻结的官方 JS 模板生成;本命令不请求 poster 页面。

公开评审与拒稿边界

原始来源中有 101 组明确选择公开的评审材料;其余 39 项 publish_reviews=No,评审正文为空。采集器验证此偏好和正文的一致性,原文保存在来源元数据,不把评审意见或 meta-review 中的推荐转换成额外的最终决定。

这些记录来自录用节目,不能据此当作 101 条公开拒稿记录。公开拒稿导出是否可得仍记为 unknown,需要单独核查。征稿与评审流程中的评审规则也不等于具体投稿决定。

输出包含一份 140 条 JSONL、部分覆盖清单、七个原始来源文件及报告,批准导入数为零。采集成功不等于会议论文/track/公开负面决定覆盖完整,也不替代最后的全库去重审计。

恢复与验证

papers.json SHA256:864d384cbc928554504e1b39849137bb380143e247a48f2d71563a698cb8e62d。

原始 JSON 和 JS 恢复包:服务器 /data/paper-index/validation/ismir2026-json-research-recovery-v1.tar.gz,本地 /Users/zzyang/Documents/Codex/2026-11-06/paper-index/ 同名文件;SHA256 为 bba7b236cfe4d8b259d6c1230b3fe09a3e9071f5203884c92b016ca0718fb095。

正式名单与政策恢复包:同目录 remaining2026-listings-research-v2-recovery.tar.gz,SHA256 为 f5ef7c2e73d46712146e4d6711ad5ad562e16b8b55c0cd75d1041cd0b81142cb。安全恢复三个源目录、核验文件后可重跑上述命令。

完整来源和独立 140 项清单在测试夹具中冻结。测试、构建、打包、安装及实际隔离目录 CLI 验证只在用户指定 ces-control:host runner 执行。生产规范化后还需独立核验全部记录,并用 PostgreSQL 只读预检检查候选作品和既往投稿;不自动合并来源差异或人物身份。

2026-11-18:首批 10 条验收(历史阶段)

本段保留首批历史状态;当前累计结果和增量父状态见下方最新验收段。

首批 10 项已逐篇核查研究内容,并通过当前数据库实体、作者、摘要及完整历史的只读复核,随后使用已通过远程 CI 的包内 import records 导入。新增论文实体 0,新增来源记录、投稿、录用观察各 10,来源标签证据 94 条;规范标题、作者、摘要及旧历史保留。原始来源摘要另存,不覆盖规范摘要。覆盖为 partial10/140,还有 130 项待核验。数值节目 ID 仍只作为节目定位符,未冒充 OpenReview 投稿 ID,未新增全局人名别名或推断研究类型。

逐条验收与恢复记录包含生产行 ID、保护基线、归档及证据哈希。服务器基线保护此前 6,384 篇与本批 10 篇的并集 6,394 篇,全库旧投稿、决定及来源关系哈希未变;独立新快照的 10 个完整实体包、来源字段、标签和标识也逐项核验。Foundry /readyz 返回200,17,987,751,936字节的 SQLite 备份保持只读。该验收不是最终全库科学工作去重。

例如 paper 2757497(Learning Music Style for Piano Arrangement Through Cross-Modal Bootstrapping)保留一次 ICLR2026 拒稿投稿和两条拒稿来源观察,并新增独立 ISMIR2026 录用投稿。实际执行以下查询,返回 publication_outcome=accepted,同时保留原拒稿历史:

paper-atlas query --pg-service foundry-research --pg-schema research \
  --paper 2757497 --outcome accepted

ISMIR 的 accepted 来自正式名单和节目,尚无原始签名决定或具体决定日期;不能把采集时间当作决定时间。决定的规范时间使用包内既有毫秒格式,来源回执的原始微秒时间仍保留于元数据。

禁止重放 /data/paper-index/collected/ismir2026-prepared10-v1 的文件。导入单元 paper-atlas-ismir2026-import10-v1.service、invocation 538ce9c9324a4f59b5bb49d3094d5265 已成功结束;该阶段建立了 partial10/140 父状态;后续累计结果见下方最新段,不得沿用已消费的 0/140 父状态。保护基线恢复包为 /data/paper-index/validation/ismir2026-baseline10-recovery-v1.tar.gz,验收恢复包为 /data/paper-index/validation/ismir2026-import10-acceptance-recovery-v1.tar.gz;本机 paper-index 工作目录有同名副本及独立检查记录。

2026-11-18:新增 21 条,累计 31/140

第二批21项已通过逐篇研究内容审查、新鲜只读父状态检查、保护基线及独立入库验收。新增论文实体、来源和edition均为0;新增来源记录、投稿、录用观察各21条,新增173条来源标签证据。累计31条录用来源观察、267条标签证据,覆盖仍为 partial31/140,109项待核验。三十一项摘要都保留在原始来源记录中,既有规范资料没有被覆盖。

本批明确保留不同研究工作,例如UOT-IR音乐压缩与SymphonyGen交响生成,以及AI混合音轨占比回归与BAMM真实广播检测;不因作者或主题相近合并。源关键词和展示方式继续使用各自namespace,没有推断全局人名别名、原始OpenReview投稿ID或研究类型。

第二批逐条验收及恢复记录包含21组生产行ID、源码提交、全部证据哈希和新计数。保护并核验了6,415篇作品的规范资料、旧来源与标签,以及所有旧全局投稿/决定/来源关系指纹;新快照另导出21个完整实体包逐字段核验。首批10项保留;paper2757497的实际查询仍显示accepted及原ICLR一次拒稿下的两条来源观察。

本批使用固定源码 3754545003e1f96b88c6533cc3a69dc557f07305,已在远程 ces-control CI1257通过556项测试,含真实PostgreSQL只读增量门禁回归。该修复解决预检对Mapping行对象切片的错误,未弱化覆盖校验;旧的只读准备v1失败时没有写库,修复后v2重新检查通过。默认运行时未因本批操作切换。

禁止重放 /data/paper-index/collected/ismir2026-prepared21-v2。服务 paper-atlas-ismir2026-import21-v1.service、invocation 78077b901a274426bb161ef8d69963ad 已成功结束。新批次必须从当前 partial31/140 准备,不能再用 10/140 或 0/140。保护基线恢复包为 /data/paper-index/validation/ismir2026-baseline21-recovery-v1.tar.gz,验收恢复包为 /data/paper-index/validation/ismir2026-import21-acceptance-recovery-v1.tar.gz;本机paper-index目录有同名副本与独立检查结果。

新的固定范围盘点仍为274/278个年度有数据;本批提高ISMIR来源覆盖,没有填补其他空年度,也没有关闭公开拒稿或最终全库去重任务。Foundry就绪检查200,SQLite备份继续只读。