说明：本文件是
DATA_CARD.md的中文译本，供中文读者阅读参考。英文原版由数据生产流水线产出，为权威记录（canonical）；如两版存在出入，以英文版为准。Note: This file is a Chinese translation of
DATA_CARD.mdfor reference. The English original is the pipeline-generated canonical record; in case of discrepancy, the English version prevails.
- 规模：9 个实例，覆盖 C、C++、Go、Java、TypeScript。
- 来源：公开的 GitHub issue / PR 及其对应仓库代码。
- 轨迹：由调用 kimi-k3 的 mini-swe-agent 生成，并经真实 Docker 评分验证。
- 环境：9 个版本钉定的
linux/amd64Docker 镜像。 - 质量门禁：gold 补丁可干净应用并通过全部声明的 F2P / P2P；智能体补丁解决全部 F2P 且零 P2P 回归；训练价值分 ≥ 6。逐实例分数与明细记录于 task、environment 与 INDEX 中。
- 轨迹可学习性：
trajectory_quality额外记录思考质量、机械过渡比、失败恢复、行为类别与会话时长。该证据不与任务可解性分数混用，也不作为发布硬门禁。
9 个实例选自 kimi-k3 mini-swe-agent 运行结果。全部通过 ship_gates、F2P/P2P 评分验证为 resolved、MIT 许可、validation_version=5。语言分布：C（2）、C++（2）、Go（2）、Java（2）、TypeScript（1）。入选实例：c-ares__c-ares-1137、lvgl__lvgl-10308、jbeder__yaml-cpp-1373、jarro2783__cxxopts-314、urfave__cli-2275、gin-gonic__gin-4622、jhy__jsoup-2476、jhy__jsoup-2483、typescript-eslint__typescript-eslint-12003。
- SWE-bench 官方协议对每个候选补丁执行单次
run_instance：runner 通过回退链应用候选补丁，随后评测脚本恢复基线测试文件、应用test_patch并执行该仓库/版本的测试命令。gold 补丁作为候选补丁单独评测，绝不与模型补丁在同一次运行中合并。本协议钉定于上游 commitf7bbbb2ccdf479001d6467c9e34af59e44a840f9。 - 本包中保存的
gold_pre是发布方的健全性预检，用于证明 F2P 在基线上确实失败；它不属于 SWE-bench 官方评测阶段。 - 内置评测器按官方顺序尝试
git apply --verbose、git apply --verbose --reject、patch --batch --fuzz=5 -p1 -i <patch-file>。生产发布门禁更严格：gold/model 补丁在生产评分中必须通过一级git apply干净应用。 resolution_status采用官方三级FULL/PARTIAL/NO；仅FULL置graded_resolved=true。PARTIAL原样记录，且不得进入本完整发布包。evaluation_type按仓库具体情况选择PASS_AND_FAIL或FAIL_ONLY。PASS_AND_FAIL 模式下，缺失的测试按失败处理；FAIL_ONLY 模式下 P2P 可以为空。两种模式均仅将显式FAILED视为失败（本流水线额外将ERROR按失败保守处理）。按官方语义，pytest 的XFAIL（别名XFAILED）计为通过。test_command_source标示命令来源。当前的 2026 扩展任务使用claudedata_registry_scoped并经反复虚拟机实跑验证；在引入带逐仓库/版本/命令核验的固定官方规格快照之前，打包器会拒绝official_map_repo_version_specs，以防止自定义命令冒充官方规格。test_command_sha256将实际评分命令绑定，防止验证后被篡改。
每个实例的 task.jsonl、environment.json、swe_bench_instance 与 INDEX.jsonl 在全部四个位置一致地持久化以下审计字段，供独立第三方核验：
- 污染：
contamination_level/contamination_factors（高污染直接拒绝；中污染仅在因素完全披露时允许） - 已验证评分细则：
verified_rubric_version/verified_rubric_model/verified_ps_severity/verified_tv_severity/verified_issues/verified_rubric_raw/rubric_evidence_key（由大模型在四个维度上对 problem_statement 的规范性与测试有效性打分，0-3 分） - 评分：
graded_resolved/gold_sanity_valid/gold_applies/applies_cleanly/gold_f2p_count/gold_p2p_count/agent_f2p_passed/agent_p2p_regressed/resolution_status/evaluation_type/test_command_source/test_command_sha256/grading_environment/environment_image/environment_image_id/environment_plan_fingerprint/environment_backend_id/environment_platform - 验证来源：
validation_version/validator_fingerprint，打包时必须与当前校验器匹配 - 原始日志：
grading_logs含gold_pre/gold_post/agent_post完整测试输出，可直接核验 F2P 由败转成与 P2P 无回归 - 测试可复现性：
test_command为基于属性的测试（如 hypothesis）钉定随机种子，确保评分确定性
以下 severity=1 的观察不阻断发布，仅记录问题陈述或测试范围的轻微偏差：
jhy__jsoup-2476：ps=0，tv=1；preservesMatchingSourceNofollowWhenEnforcementSuppressed测试用例未在 issue 中描述，略微扩大了范围；narrow=0 wide=1 low_coverage=0 misleading=0；对抗性评估：该测试覆盖了问题陈述之外的内链场景，但属轻微回归测试。jhy__jsoup-2483：ps=0，tv=1；ConnectTest 与 DataUtilTest 用例覆盖了超出核心 issue 范围的字符集检测边界情况；narrow=0 wide=1 low_coverage=0 misleading=0。typescript-eslint__typescript-eslint-12003：ps=0，tv=1；测试范围包含额外的 no-unused-vars 边界用例。
trajectory.canonical.jsonl：唯一一份用于训练或人工阅读的规范对话。累计 API 历史已去重；采集时生成的中文任务包裹行已转换为英文，生成式的中文项目描述已移除；issue 正文与其后的交互保持原样。trajectory.full.jsonl：完整的调用级 API 记录。每个请求包含截至该时点的累计历史；适合审计与协议研究，不适合直接逐行训练。- 两种轨迹格式均经过完整脱敏，清理用户路径、邮箱与凭据；
redact_mode固定为full。
environment.json 与 INDEX.jsonl 中的 trajectory_quality 使用 2026-08 版本：
trajectory_thinking_quality/substantive_thinking_ratio/mechanical_transition_ratio描述思考深度；failure_recovery_present仅记录是否出现真实的「失败后恢复」；绝不人为注入失败；无失败的干净执行视为中性证据；behavior_categories统计源码检查、编辑、测试、diff 检查与提交等真实行为；trajectory_quality_score是透明的辅助分：思考 0/1/3/5 分，行为类别每类 0.6 分（上限 3 分），同时具备测试与 diff 检查 +1 分，失败恢复 +1 分；无失败加中性 0.5 分。该分数不替代评分，也不决定发布。
model_input.json 是唯一建议输入模型的文件。task.jsonl 中以下字段仅作标签或评测使用：
swe_bench_instance.patch- 顶层
test_patch、swe_bench_instance.test_patch swe_bench_instance.model_patchFAIL_TO_PASS、PASS_TO_PASSgold_*、agent_*、graded_resolved及环境证据
镜像归档由 docker save 生成并以 zstd 压缩。images/images.jsonl 记录 tag、镜像 ID、平台与解压后大小；CHECKSUMS.sha256 覆盖包内全部文件。每个实例附带独立的 Dockerfile、setup_repo.sh 与 setup_env.sh；它们派生自生产任务的 prep_script，哈希绑定于 environment.json.environment_recipe。加载镜像后可直接使用钉定环境，或在具备上游仓库与依赖源访问权限时重新构建。
全部 9 个实例在 INDEX.jsonl、task.jsonl 与 environment.json 中披露 contamination_level 与 contamination_factors：
- low（8/9）：c-ares、lvgl、yaml-cpp、urfave/cli、gin、jsoup#2476、jsoup#2483、typescript-eslint
- medium（1/9）：jarro2783__cxxopts-314
- 实例：jarro2783__cxxopts-314
- 因素：issue 年龄（issue 创建于 2021-10-29，修复提交于 2026-06-03；长间隔提升了模型训练语料覆盖该 issue 的概率）。
- 可训练性结论：该轨迹已通过 ship_gates 的上游答案记忆筛查，未检测到未加防护的上游修复引用。medium 评级仅反映 issue 年龄带来的统计风险，并非轨迹中存在记忆的证据。在披露污染等级的前提下，该实例适用于训练。
- 处置：无需修复。未来面向严格低污染发布的数据包可将该实例排除。
以下三项经评估确认为观察项。它们不影响数据质量或发布门禁，出于透明度予以披露。
- 实例：lvgl__lvgl-10308
- 观察：智能体独立生成的补丁与 gold 补丁具有相同的 git blob index 行（
817e0c1..86e6932），即智能体对lv_slider.c的修复与官方修复逐字节一致。 - 评估：轨迹中不存在读取 gold 文件的命令；判定为等价实现收敛（简单修复的自然趋同），而非真实泄漏。
- 处置：无需修复。如需严格零巧合，可在构建时引入注释变体，但这会损害训练数据纯度，不推荐。
- 实例：jarro2783__cxxopts-314（F2P：CTest 测试名
options/options_no_regex）、lvgl__lvgl-10308（F2P：Unity 测试目标名test_slider/test_bar） - 观察：标识符不在官方八语言 log_parsers 映射中。C/C++ 在官方设计中没有解析器。
- 评估：已按标准适配方法评估并通过——健全性检查精确失败、gold/model 精确通过。
- 处置：无需修复。C/C++ 实例的下游解析器应将 F2P/P2P 条目解释为 CTest 测试名或 Unity 测试目标名，而非 JUnit/pytest 风格的全限定类名。
- 观察：9 条轨迹中，仅 urfave__cli-2275（failed_tool_result_count=1）与 typescript-eslint__typescript-eslint-12003（failed_tool_result_count=4）包含真实的失败后恢复路径，其余 7 条为干净执行。
- 评估：干净执行反映模型能力；不得人为注入失败。
- 处置：无需修复。若以失败恢复为特定训练目标，建议按
failure_recovery_present分层采样，或后续补充失败恢复轨迹。
- 本包仅提供
linux/amd64镜像；其他架构依赖模拟执行，可能出现明显性能下降。 - 本数据是高质量 demo / 验证集，不足以代表真实软件工程任务的完整分布。
- 离线镜像中预装的依赖复用了构建缓存；简单修复可能在 1-3 分钟内完成；
duration_seconds是录制环境的墙上时间，不代表任务难度或轨迹完整性。 - 成功轨迹不一定包含失败恢复路径；专门训练纠错能力时，应按
failure_recovery_present分层采样，而非向轨迹人为注入失败。 - 数据与镜像包含多个上游开源项目；使用与再分发必须遵守各实例目录中的上游许可。
- 轨迹虽已完整脱敏，按地区与组织政策，公开发布前仍建议进行独立的隐私与许可审查。