Verified 预注册-20：执行准备与镜像覆盖¶
本文是执行前的可用性记录及报告模板，不是实验结果。预注册 20 实例清单保持不变。
可用性快照：2026-11-08 20:35:55（北京时间）¶
- 预注册：20 实例、12 仓库；有效独立样本计划为 18，另有 2 个复用实例。
- 精确 image inspect：14 个就绪、6 个缺失、0 个环境错误。
- 当前可用镜像覆盖 10 个仓库；scikit-learn 和 xarray 的覆盖暂时缺失。
- 如果最终只能执行当前这 14 个：独立实例为 12，复用实例为 2；独立实例覆盖 8 个仓库，总覆盖 10 个仓库。
- 实际执行尚未开始。以上 14/12/10 是条件情景，不能写成已执行结果；换源补齐后应重新计算。
| 仓库 | 预注册配额 | 就绪 | 缺失 | 对当前覆盖的影响 |
|---|---|---|---|---|
| astropy/astropy | 1 | 1 | 0 | 齐备 |
| django/django | 4 | 4 | 0 | 齐备 |
| matplotlib/matplotlib | 2 | 1 | 1 | 覆盖保留、样本不齐 |
| mwaskom/seaborn | 1 | 1 | 0 | 齐备 |
| pallets/flask | 1 | 1 | 0 | 齐备 |
| psf/requests | 1 | 1 | 0 | 齐备 |
| pydata/xarray | 1 | 0 | 1 | 覆盖暂缺 |
| pylint-dev/pylint | 1 | 1 | 0 | 齐备 |
| pytest-dev/pytest | 1 | 1 | 0 | 齐备 |
| scikit-learn/scikit-learn | 2 | 0 | 2 | 覆盖暂缺 |
| sphinx-doc/sphinx | 2 | 1 | 1 | 覆盖保留、样本不齐 |
| sympy/sympy | 3 | 2 | 1 | 覆盖保留、样本不齐 |
6 个缺失实例均为独立实例：
matplotlib__matplotlib-24970（matplotlib/matplotlib）pydata__xarray-3993（pydata/xarray）scikit-learn__scikit-learn-15100（scikit-learn/scikit-learn）scikit-learn__scikit-learn-25102（scikit-learn/scikit-learn）sphinx-doc__sphinx-8593（sphinx-doc/sphinx）sympy__sympy-17630（sympy/sympy）
一小时复查与换源决定¶
- 第二次检查：2026-11-08 21:35:57（北京时间），仍为 14/20 就绪、6 缺失、0 个环境错误。
- 与 20:35:55 基线相比，经过 60 分钟后净增量为 0，按既定规则切换 LogicStar。
- LogicStar 官方镜像索引覆盖全部 20 个目标；压缩包下载链路已验证。下载校验、加载和本地 tag 确认属于后续步骤，不能用远端覆盖代替本地就绪。
- 预注册实例、配额和独立统计口径保持不变；换源仅改变运行时镜像来源。
5 实例链路确认候选¶
清单：benchmarks/swebench/manifests/link_check_5.json。仅用于容器、门禁、评分链路验证，不能作为正式样本替换或结果筛选依据。
| 实例 | 仓库 | 选择时镜像状态 |
|---|---|---|
| django__django-16901 | django/django | ready |
| sympy__sympy-18211 | sympy/sympy | ready |
| sphinx-doc__sphinx-9281 | sphinx-doc/sphinx | ready |
| matplotlib__matplotlib-23476 | matplotlib/matplotlib | ready |
| astropy__astropy-14369 | astropy/astropy | ready |
scikit-learn 的两个目标均未就绪，因此第五个仓库使用 astropy。候选中的 5 个均为独立实例。先等待二次测量与换源决策；镜像加载与容器跑批不得并行争抢 Docker。
第二批：Verified 预注册-20（跑完后填写）¶
- 预注册清单：20 实例，12 仓库。
- 实际执行：N 实例（因镜像不可用缺失 M 个；仅当没有其他跳过原因时 M = 20 − N）。
- 有效独立样本：N − R；R 为实际执行的复用实例数。两项均执行时 R = 2，即 N − 2。
- 仓库覆盖：实际 K 个（预注册 12 个）。
- 复用实例：seaborn-3069、flask-5014，结果单列，不计入独立统计。
- N 按去重 instance_id 统计，不按 baseline/gated 两组行数统计；两组都完整执行并评分的独立配对数另列，不能把缺失评分当作 unresolved。
- 另外记录每实例轮数、耗时、拦截次数、补丁大小、gate_completed 及官方评分 note。
复用实例（不计入独立统计）¶
| 实例 | 上次结果 | 本批结果 | 是否一致 |
|---|---|---|---|
| seaborn-3069 | gated unresolved（60 轮截断） | 待运行 | 待比较 |
| flask-5014 | gated resolved（54 轮） | 待运行 | 待比较 |
上次结果按已确定的复用比较口径列示；本批结束后以原始运行记录复核。一致性单独讨论；不一致时记录非确定性及环境差异，不直接归因于门禁。正式报告继续三批并列，不做 pooled 成功率统计。