[bug] В тяжёлом WASM-сценарии число перехватов падает с 522 до 243 после #133/#134 #145

Open
opened 2026-11-20 22:20:51 +00:00 by chexit · 1 comment
Owner

🤖 Filed by Codex, AI-агент Владимира (chexit).

Что воспроизводится

В штатном стресс-сценарии два одинаковых запуска airdef wave oreshnik 40 2600 против 64 развёрнутых игровых комплексов. На отметке 2102 тика (/airdef stats, шаг 271) kimi-work даёт 243 перехвата вместо 522 в main (−53,4%), а число поражений растёт с 1789 до 2083. В воздухе на этой отметке остаётся 184 объекта во всех прогонах. Это результат данного сценария на контрольной точке, а не оценка эффективности ПВО для всех карт или налётов.

Один неизменённый airdef-mod/tests/budgets/wasm_flat_budget.toml, один WASM-хост Horizon 2bcce64, Linux, одинаковый контрольный шаг. Промежуточные артефакты собраны из указанных исходников одним SDK (отдельные деревья, без изменений мода). Для main использован опубликованный .hmod релиза v0.4.0-rc1, подтверждён коммит c525feb и SHA-256 9aab346698e23d6689f72c039989e495e4f06b07dcacbbabda209a00b1ab01df.

Срез AirDef Сбито Поражений Перехватчиков в полёте
c525feb, main (релиз) 522 1789 5
95739c9, родитель #133 522 1789 5
ac75219, #133: класс/скорость по измерениям 302 2024 8
858735a, #134: профили РЛС 243 2083 24
a983177, kimi-work 243 2083 24

До этой точки на kimi-work ноль исчерпаний WASM fuel; максимум тика 136067073 / 300000000 (релиз 113780552 / 300000000). Fuel — счётчик инструкций WASM, не FPS. Тест уже на main ждёт устаревшие 777 и останавливается здесь, то есть старую строку нельзя выдавать за результат релиза. Если пропустить только этот assert в копии фикстуры, kimi-work доходит до следующего устаревшего ожидания на шаге 278: первая команда airdef raid после старого чекпоинта пишет уведомление о разведчиках, а сценарий ждёт пустой чат.

Куда копать

  • airdef-mod/src/sim/sight.rs: #133 меняет одновременно оценку Track.vel и Track.class по шумным измерениям. airdef-mod/src/sim/why.rs использует оценённый класс в допусках по игровым ролям, а прогноз трека зависит от оценённой скорости. Сравнить вклад этих двух изменений отдельно, не подставляя настоящие тип/скорость игровой цели в рабочий трек.
  • #134 меняет допуски собственных измерений (own_fire_within, FIRE_QUALITY, why::basis). Разложить ещё 59 потерянных перехватов по причинам: не было трассы, трасса протухла/не годится для огня, ограничение роли, пуск состоялся и промахнулся. Проверить, влияет ли #140 на эту конкретную нагрузку; A/B выше этого не доказывает.
  • Сценарий производительности должен доходить до конца и проверять отсутствие fuel traps независимо от побочных счётчиков кэша, чанков и пустого чата. Отдельно нужен детерминированный игровой регрессионный сценарий для насыщения: счётчики игровых перехватов/поражений и диагностика допусков. Не фиксировать новые 243 простой заменой эталонной строки без объяснения.

Приёмка

  • Есть объяснение и воспроизводимый тест для обоих скачков, с сохранением ограничений РЛС и принципа «класс и скорость только из измерений». Если часть изменения баланса намеренная, отдельно зафиксировать целевой диапазон и причину.
  • python3 tools/airdef.py test-budgets снова проходит оба этапа, в том числе два поздних запуска через airdef raid; ограничения fuel остаются обязательными. #144 относится к другой WASM-фикстуре (test-wasm).
🤖 Filed by Codex, AI-агент Владимира (chexit). ### Что воспроизводится В штатном стресс-сценарии два одинаковых запуска `airdef wave oreshnik 40 2600` против 64 развёрнутых игровых комплексов. На отметке 2102 тика (`/airdef stats`, шаг 271) `kimi-work` даёт **243 перехвата вместо 522 в `main` (−53,4%)**, а число поражений растёт с 1789 до 2083. В воздухе на этой отметке остаётся 184 объекта во всех прогонах. Это результат данного сценария на контрольной точке, а не оценка эффективности ПВО для всех карт или налётов. Один неизменённый `airdef-mod/tests/budgets/wasm_flat_budget.toml`, один WASM-хост Horizon `2bcce64`, Linux, одинаковый контрольный шаг. Промежуточные артефакты собраны из указанных исходников одним SDK (отдельные деревья, без изменений мода). Для `main` использован опубликованный `.hmod` релиза `v0.4.0-rc1`, подтверждён коммит `c525feb` и SHA-256 `9aab346698e23d6689f72c039989e495e4f06b07dcacbbabda209a00b1ab01df`. | Срез AirDef | Сбито | Поражений | Перехватчиков в полёте | |---|---:|---:|---:| | `c525feb`, `main` (релиз) | 522 | 1789 | 5 | | `95739c9`, родитель #133 | 522 | 1789 | 5 | | `ac75219`, #133: класс/скорость по измерениям | 302 | 2024 | 8 | | `858735a`, #134: профили РЛС | 243 | 2083 | 24 | | `a983177`, `kimi-work` | 243 | 2083 | 24 | До этой точки на `kimi-work` **ноль исчерпаний WASM fuel**; максимум тика `136067073 / 300000000` (релиз `113780552 / 300000000`). Fuel — счётчик инструкций WASM, не FPS. Тест уже на `main` ждёт устаревшие `777` и останавливается здесь, то есть старую строку нельзя выдавать за результат релиза. Если пропустить только этот assert в копии фикстуры, `kimi-work` доходит до следующего устаревшего ожидания на шаге 278: первая команда `airdef raid` после старого чекпоинта пишет уведомление о разведчиках, а сценарий ждёт пустой чат. ### Куда копать - `airdef-mod/src/sim/sight.rs`: #133 меняет одновременно оценку `Track.vel` и `Track.class` по шумным измерениям. `airdef-mod/src/sim/why.rs` использует оценённый класс в допусках по игровым ролям, а прогноз трека зависит от оценённой скорости. Сравнить вклад этих двух изменений отдельно, не подставляя настоящие тип/скорость игровой цели в рабочий трек. - #134 меняет допуски собственных измерений (`own_fire_within`, `FIRE_QUALITY`, `why::basis`). Разложить ещё 59 потерянных перехватов по причинам: не было трассы, трасса протухла/не годится для огня, ограничение роли, пуск состоялся и промахнулся. Проверить, влияет ли #140 на эту конкретную нагрузку; A/B выше этого не доказывает. - Сценарий производительности должен доходить до конца и проверять отсутствие fuel traps независимо от побочных счётчиков кэша, чанков и пустого чата. Отдельно нужен детерминированный игровой регрессионный сценарий для насыщения: счётчики игровых перехватов/поражений и диагностика допусков. Не фиксировать новые 243 простой заменой эталонной строки без объяснения. ### Приёмка - Есть объяснение и воспроизводимый тест для обоих скачков, с сохранением ограничений РЛС и принципа «класс и скорость только из измерений». Если часть изменения баланса намеренная, отдельно зафиксировать целевой диапазон и причину. - `python3 tools/airdef.py test-budgets` снова проходит оба этапа, в том числе два поздних запуска через `airdef raid`; ограничения fuel остаются обязательными. #144 относится к другой WASM-фикстуре (`test-wasm`).
chexit added the priority:P1area:simulationarea:toolingtype:bug labels 2026-11-20 22:20:51 +00:00
Author
Owner

🤖 Agent: Codex — проверил хвост сценария на том же a983177 и том же .hmod. В отдельной копии фикстуры снял только раннее сравнение строки статистики и два ожидания пустого чата после airdef raid; последний assert намеренно запрашивает вывод фактической статистики. Хост дошёл до последнего шага 283 после обоих последующих налётов: 3302 тика, 2202 кадра, 79 команд; 0 fuel traps во всех трёх категориях. Максимум тика 194 502 809 / 300 000 000 (64,8%); в конце 282 перехвата и 2554 поражения. Последние цифры — только для свежей ветки; A/B с релизом в теле задачи сравнивает первый чекпоинт при одинаковых условиях.

🤖 Agent: Codex — проверил хвост сценария на том же `a983177` и том же .hmod. В отдельной копии фикстуры снял только раннее сравнение строки статистики и два ожидания пустого чата после `airdef raid`; последний assert намеренно запрашивает вывод фактической статистики. Хост дошёл до **последнего шага 283** после обоих последующих налётов: 3302 тика, 2202 кадра, 79 команд; **0 fuel traps** во всех трёх категориях. Максимум тика **194 502 809 / 300 000 000 (64,8%)**; в конце 282 перехвата и 2554 поражения. Последние цифры — только для свежей ветки; A/B с релизом в теле задачи сравнивает первый чекпоинт при одинаковых условиях.
Sign in to join this conversation.
1 Participants
Notifications
Due Date
No due date set.
Dependencies

No dependencies set.

Reference: chexit/airdef#145