赛事/评审流程实跑硬化（event-fullrun-hardening）

来源：UIBC-MEM 内部热身赛（2026-09-12）13 域 Agent 全流程实跑，实跑抓到 9 条编号项问题（P0×4 / P1×4 / P2×1，子项展开 13 处）+ 回归二轮 10 项，全部闭环。口径纪律：标题数（子项展开）≠ 编号数（可逐条核验），引用问题时一律以编号项为准（见技能 session-distillation-ledger）。

何时用

要验证一套流程（而不是设计它）能真跑通：赛事、评审、作品征集、供应商验收、产品内测。
流程里"文件发出去 / 交回来 / 打分 / 发凭证"这类跨主体动作反复出同类 bug。
需要"改了但不确定有没有改好"——本技能强制回归验证环节。

核心方法：三阶段（不可省第三段）

| 阶段 | 动作 | 关键约束 | |---|---|---| | ① 实跑 | 用真实子 Agent 扮演各参与方，端到端跑一遍，不预判不放过 | 每方必须真做（真跑脚本/真复算），不得口头声称 | | ② 整改 | 把问题落成 P0/P1/P2 清单，逐项改并留证 | 每个修复必须附可复现证据（命令输出/文件/自检 PASS） | | ③ 回归 | 抽 1/4 参与方按新规则重跑，逐条核"旧问题是否复发" | 不回归 = 不算闭环；回归必暴露二轮新问题 |

契约纪律（三条硬教训）

自检的解析基准必须是对外声明的契约（如题包里写的路径字符串），不能是内部常量。教训：自检工具用内部常量校验，结果内部常量本身就错 → 假 PASS。
编号/格式口径由生成器层统一强制（机器字段与人类文案同时写入）。教训：一个包改好 1 基编号，另一个包的说明文案仍是 0 基，误导选手并被扣分。
封存物必须移出发放同树（题库/答案/变体等在另一个顶层目录 + README 警示）。教训：标了"封存"仍放在发放目录下，回归时被判为泄露风险。

标准流程（七步，含门禁）

发放：生成材料 + MANIFEST 清单与校验和 + 样例对表/校准链；路径自检 PASS 才可发（失败非零退出）。
提交：强制"三件套 + 过程留痕"（主件 / 可运行脚本 / 真实输出快照 / 决策时间线），按主体分目录。
筛查：形式要件自动 grep（必填章节缺一拦截）+ 相似度/表述比对（只记录，不下结论）。
评审：评分细则必须带各维度 3 档锚点 + 关键结论词（如"有条件通过"）的客观定义；客观项由主办方按真值核定，与主观项分离。
裁决：AI 初审汇总争议 → 人终审。
签发：凭证 + ledger（真实哈希）自动生成；高风险签发动作过 A³/审批门禁。
复盘：榜单 + 分级分布 + 整改清单三件套定稿。

常见故障与处置

| 故障 | 处置 | |---|---| | 材料读不到 | 先核 MANIFEST；声明与实际不符 → 以实际为准并上报（同时修发放工具） | | 并发读取超时 | 串行降级，单文件 ≤3 次重试，记录"不可达"但继续其余项，禁止整体放弃 | | 中文路径/编码乱码 | 输出强制 UTF-8；写文件 newline="\n"；路径用 os.path 拼接 | | 结论天然一致 → 防作弊无抓手 | 要求过程留痕 + 准备多套真值不同的变体题并行发放 | | 弱对照组无处安放 | 单列对照榜（不计主榜名次），并给对照榜专属产出模板 |

参考实现（模板可用）

见 UIBC 工作台 modelscope_社区赛事_20260911/热身赛实跑_20260912/00_组委会/tools/： publish_materials.py（发放+自检+封存库）、check_submission.py（三件套自动回执）、issue_certs.py（凭证+ledger）、gen_criteria_library.py（规则库 L0/L1 分层）。