asketeddy/gooo-record-shared-field-tiny-v1

Gooo shared record field judge v1

2026-10-08 후속 개발: 저장한 보조 함수 조립 이어가기

Gooo의 레코드 선택 조립을 보조 함수와 호출자까지 이어갈 수 있게 구현했습니다. 함수가 바뀌면 그 함수에 의존하는 기존 후보를 다시 검사하고, 과거 단계는 당시 소스로 재현합니다. 모델은 처음 제안한 후보 순서를 남기며, 후속 조립에는 새 모델 호출이 없습니다.

같은 진단 과제에서 첫 저장 결과는 부품 사례 3/5·앱 출력 2/4였습니다. 이어 만들기는 결정론 순서에서 새 후보 3개, 이 QAT 모델의 순서에서 1개를 시도해 두 경로 모두 부품 5/5·앱 4/4와 같은 생성 코드를 얻었습니다. 저장 재실행도 4/4였습니다. 별도의 중첩 함수 예제는 바뀐 보조 함수 아래에서 기존 후보 1개를 재검사하며 앱 출력 0/2 → 2/2를 관측했습니다.

모델 판단은 11.375µs, 준비는 0.716167ms, 복원 텐서는 2,096B였습니다. 전체 후속 명령은 결정론 0.33초·모델 순서 0.35초였습니다. 단일 순차 로컬 관측이며 캐시를 통제하지 않았습니다. 모델 자체의 CPU 증가량과 외부 재현은 미측정입니다. 가중치와 학습 자료는 이번 실험에서 변경하지 않았습니다.

• 따라 할 수 있는 한글 안내
• 고정 소스·아홉 실행·시간과 원본 기록

깨끗한 컴파일러 395fb538fae6c55edb173e660b22daef8544f01a에서 실행했습니다. 아래 공개 0.6.6 배포 이후의 개발 기능입니다. 패키지 실행의 후속 조립과 후보 평가 중 중첩 입력 이력은 다음 언어 과제입니다.

English: Gooo now continues record-choice helper construction, rechecks dependent candidates when a helper changes, and replays historical stages with their original sources. This unchanged small model supplies the initial ordering. Continuation and replay make zero new predictions. The linked study retains partial results and the exact source, finite checks and measurement limits.

2026-10-08 공개 0.6.6에서 자체 모델로 도구 조립하기

Gooo 0.6.6 개발판에 진단 시작 템플릿, 패키지 함수 호출, 보조 함수 본문 조립과 실제 인자 관측을 담았습니다. 공개 macOS arm64 파일을 내려받아 여덟 사용 흐름을 실행했습니다. 이 모델은 Gooo가 선언한 후보의 시도 순서를 제안하며, 소스의 조립 규칙과 검사 기준은 유지합니다.

공개 실행 파일의 과제	결정론 후보 수	모델 후보 수	최종 기대 출력
새 진단 템플릿	4	2	두 경로 모두 8/8
보조 함수 호출 앱	4	2	두 경로 모두 4/4
호출 앱을 첫 후보에서 중단	—	1	2/4

두 짝지은 실행은 같은 생성 코드와 출력을 만들었습니다. 부분 결과의 보조 함수 사례는 3/5였고, Gooo 설명 도구는 PROGRESS / CONTINUE_CANDIDATES를 반환했습니다. 저장 재실행은 새 모델 호출 0회였으며, 다음 작업 제안의 자동 실행은 후속 구현 과제입니다.

모델 판단은 진단 템플릿 19.250 µs, 호출 앱 17.833 µs였습니다. 모델 준비는 각각 0.740084 ms·0.164333 ms, 복원 텐서는 2,096 B입니다. 전체 명령 시간은 결정론/모델 순서로 진단 템플릿 0.86/0.33 s, 호출 앱 0.52/0.35 s였습니다. 이 수치는 Apple M4·macOS 26.5.2·Go 1.27.1의 단일 순차 관측이며, 캐시와 다른 작업을 통제하지 않았습니다. 후보 수와 전체 시간은 별도로 읽습니다. 원본에는 CPU 시간과 BSD time 최대 RSS, 각각의 측정 범위도 보존했습니다.

• 실행 흐름과 측정 범위
• 여덟 실행의 요약과 원본 해시
• 고정 컴파일러 소스

사용한 가중치는 기존 QAT 리비전의 446 B 파일입니다. 이번 연결의 추가 학습은 0회입니다. 모델 학습 자료와 실행 입력의 독립성, 외부 재현은 아직 관측하지 않았습니다.

다음 발전 방향은 보조 함수 변경을 반영한 후속 조립, Gooo 진단으로 다음 작업을 진행하는 도구, 다른 도메인의 재사용 패키지입니다. 실제 Gooo 작업에서 시도한 경로와 반례를 다음 소형 모델 학습 자료로 연결합니다.

English: the published Gooo binary uses this optional small model to rank source-declared choices. Deterministic and model-guided runs share the same checks. Retain partial results, replay without new inference, and grow the language through useful tools and reproducible failures.

2026-10-08: 조립한 보조 함수를 앱에서 호출하고 입력을 관측하기

Gooo가 보조 함수의 본문을 먼저 조립하고, 앱은 선택된 함수를 호출합니다. 이 공개 QAT 모델은 Gooo에 선언한 세 필드의 후보 순서를 제안합니다. 실행 중 실제로 전달한 인자를 기록해, 새 앱 입력이 기존 보조 함수 사례와 겹치는지도 구분합니다. 같은 모델 가중치를 사용했고 이번 연결의 추가 학습은 0회입니다.

경로	시도한 후보	보조 함수 사례	앱 기대 출력	조립 사례와 겹치지 않는 입력의 통과 수	새 추론
결정론적 순서	4	5/5	4/4	4/4	0
공개 QAT	2	5/5	4/4	4/4	1
첫 후보에서 중단	1	3/5	2/4	2/4	1
저장 결과 재실행	2개 이력 유지	5/5 유지	4/4	4/4	0

이전 컴파일러에서 저장한 조립 결과도 새 추론 없이 재실행했습니다. 여기서 입력 구분은 선언한 사례와 기록된 관측에 대한 것이며, 모델 학습 자료와의 독립성은 미확인입니다. 다른 함수의 후보를 평가하는 동안 발생한 간접 호출의 인자 이력도 아직 기록하지 않아, 해당 경로는 UNKNOWN으로 남습니다.

깨끗한 개발 리비전 d5130460356646f964d01a619f0db62f166f0ea5·Go 1.27.1에서 관측했습니다. 예측 12,042 ns, 모델 준비 0.734625 ms, 텐서 2,096 B였습니다. 전체 모델 명령은 0.36초·최고 RSS 86,720,512 B였고 결정론적 명령은 0.34초였습니다. 모델 명령의 CPU 시간 0.27초/벽시간 0.36초는 한 코어 기준 평균 75%이며 자식 프로세스를 포함합니다. 호스트 CPU 증가량은 미측정입니다. 단일 로컬 관측이므로 후보 수와 전체 실행 시간을 각각 읽습니다.

재현할 소스와 사용법 · 원본 13개·소스 식별값·측정 범위. 아래 기록은 각 실험 당시의 컴파일러와 배포 버전을 유지합니다.

In this development study, Gooo constructs a helper body before compiling its caller. The unchanged local QAT model orders declared candidates; source-owned cases and native execution retain separate finite outcomes. Actual helper arguments distinguish repeated construction inputs from newly observed inputs. Saved replay makes zero new model calls. The linked raw study includes partial outcomes and remaining unknowns; independent reproduction is still to be measured.

Gooo로 작성한 생태계 도구에 연결하기

Gooo 선언에서 공개 API 참조 생성하기

The Gooo ecosystem workbench uses this shared QAT model. Its reference command reads the compiler's operation-interface JSON. A Gooo activity assembles the public name, signature, stable type IDs, and source/interface digests into Markdown. Go connects the compiler, Gooo execution, and output files.

git clone https://github.com/kimjooyoon/gooo-ecosystem-workbench.git
cd gooo-ecosystem-workbench
go run ./cmd/workbench reference --compiler /path/to/gooo --package examples/catalog --entry ApproveInvoice --out out/api-reference

The sample declares ApproveInvoice(Invoice, Reviewer) -> Approval. Its generated page contains the two inputs, output type, and stable IDs. Local and Linux CI output matched the expected page 1/1 and a saved replay matched. This checks a declaration-level reference; it does not document implementation behavior.

Compiler source: f144dddb8261b9b525181dee510afc65f1603153. Source and original result · Linux CI · Usage.

gooo-ecosystem-workbench를 공개했습니다. Gooo 표준 함수13개, 실행 결과의 진단, scalar/record Gooo 파일 생성을 구현했습니다. 진단과 시작 프로그램의 세 필드 후보 순서를 이 공개 QAT가 제안합니다. 본문과 템플릿은 Gooo에 있고 Go가 파일과 실행을 연결합니다. 모델 옵션을 생략하면 결정론적으로 진행합니다.

고정 사례에서151/151출력·66/66레코드 필드를 확인했습니다. 같은 진단·시작 사례를 두 선택 순서에서 실행한 수를 포함합니다. 다섯 저장 재실행과 Linux 원본의 실제 값도 다시 셌습니다. 이 확인 명령의 생성 판단은2회이며 실행과 재실행의 추가 판단은0회입니다. 이번 연결에서 새 가중치 학습은0회입니다.

세 명령으로 실행하기 · 실제 사례·분모·원본 · macOS·Linux 실행 파일과 Linux 관측.

실패한 조합을 기록하고 다음 코드를 생성하기

두 후보식을 각각 검사했을 때는 유효해도 함께 바꾸면 저장한 변수를 쓰는 곳이 모두 사라질 수 있습니다. 이 조합에서 전체 탐색이 멈추던 문제를 수정했습니다. 타입 오류와 조합 번호를 남기고 같은 시도 예산 안에서 다음 코드로 이어갑니다. 앞에서 찾은 부분 구현도 보존합니다.

개발 PR1237과 main PR1238을 병합했습니다. 현재 설치 소스는 main f144dddb8261b9b525181dee510afc65f1603153·Go1.27.1·SDKv0.2.24입니다. 각 PR의 전체12개 검사와 독립 확인, 실제 설치본의 새 관측을 함께 공개합니다.

같은 작성 예제에서 결정론 예산4는 선택12/15필드·실제6/14출력을 보존했고, 예산8은15/15필드·14/14출력을 충족했습니다. 기존 공개 QAT는 예산4와8 모두 한 번 판단하여 후보 순서를 정하고, 타입 탈락 한 개를 기록한 뒤 같은 완전한 결과를 얻었습니다. 후보를 시도한 수·테스트한 수·타입 탈락 수를 따로 읽습니다. 테스트하지 않은 탈락 후보의 분모는0입니다.

실행과 저장 결과 재실행의 새 추론은0회입니다. 두 작업자에32개 요청을 보낸 관측을 네 번 반복했고, 각각 선택480/480필드와32개 타입 탈락 기록을 확인했습니다. 첫 응답은 입력 종료 전에 도착했습니다. 이것은 한 예제와 해당 요청 규모에서 확인한 결과입니다. 모델 학습량과 가중치는 유지했습니다.

원래 실패·개발 관측·설치본 원본과 재현 Go 도구 · 따라할 명령과 결과 읽기. · 생성·충족 수·저장 재실행 안내. 아래 출처·공유·순차 관측은 각각의 소스와 실험 시점을 유지합니다. 새 출처 가중치의 균형 학습은 고정 분할을 둔 다음 실험으로 계획했습니다.

현재 값과 저장값의 출처를 읽는 입력

Gooo의 새 소스 그래프는 정의·복사·필드 대입·읽기·조건 합류와 조기 반환 뒤에 남은 경로를 연결합니다. 작업 중인 문서 옆에 이전 사진을 놓듯, 현재 필드와 저장한 필드가 어디에서 왔는지 모델 입력으로 준비합니다. 개발 PR1235와 main PR1236을 각각 전체12개 검사와 독립 확인 후 병합했습니다. main 78dd30db84758f7adff61e6cc9628738a34d31d1·Go1.27.1·SDKv0.2.24로 두 실행기를 설치하고, 기존 공개 QAT·결정론 경로에서 선택15/15필드·실제14/14출력과 추가 추론 없는 저장 재실행을 확인했습니다.

네 소스 형태·여덟 내보내기의 여섯 관측 검사가 통과했습니다. 새 특징 배열은 현재 기록과 저장 기록의 표현을 구분하고, 지역 이름과 예시 입력값을 바꾸어도 같은 관계를 유지합니다. 이 내보내기의 추론·후보 실행·학습은 모두0회입니다. 세 필드용768칸 중 각 필드는64표현·32출처·160의도 칸을 사용합니다.

순차 예제의 소스 준비 단계는5회 반복 중앙값59.9µs·임시 할당86,892 B였습니다. 타입 정보를 따로 보관한 변경으로 임시 할당43.1%, 이 단계의 시간8.8%가 줄었습니다. 소스 준비와 전체 생성·빌드·실행 비용을 나누어 읽습니다. 원본·반복·빌드와 설치 근거를 공개했습니다. 새로운 가중치 학습은 다음 단계이며, 공개 v1 가중치는 그대로입니다. 새 출처 계약의 합성 가중치는 호출 경로·유한 탐색·재실행 회귀에 사용했습니다.

컴파일러 예제 폴더에서 다음 명령으로 실행 전에 관계를 볼 수 있습니다.

gooo body-context --value-flow --activity Select \
  --feature-version triple_record_field_flow_v2_shared_v1 \
  examples/body-codegen/record-field-updates.gooo.fixture

쉬운 출처 안내 · 다음 균형 학습 계획.

순차 필드 조립으로 확장 중

같은 공개 가중치를 사용해 지역 레코드의 필드를 하나씩 갱신하는 새 실험을 실행했습니다. 앞에서 바꾼 상태를 다음 설명 필드가 읽고,저장한 레코드와 문자열 값을 사용하는 여섯 코드 형태입니다. Gooo의field_update 선택을 연결한 PR1233과 main PR1234을 각각 전체12개 검사와 독립 확인 후 병합했습니다. 순차 실험 당시 설치본은 main a5f6e8c668ff9fc7cfe3367a5019b50fbcadc1fa·Go1.27.1·SDKv0.2.23였습니다. 순차 조립 시작 안내를 제공합니다. 연구 CI의 전체27개 작업이 통과했고 Linux에서 새로 실행한72개 그래프를 내려받아 필드·후보·실제 값을 독립 확인했습니다. 원래 Mac 관측과 설치 후 관측을 구분합니다.

설치 후72개 그래프도 같은 후보·응답·실제 값을 유지했습니다. 두 작업자의 4회 관측은 각각32개 요청·선택 필드384/384개를 완료했고 입력 종료 전에 첫 응답이 도착했습니다. 처음525.86ms, 반복6.7110.37ms·작업자RAM22.8823.41MiB입니다. 추가 원본까지 합치면 처음16MiB 목표를 넘어18.98MiB이며, 모두 압축 보존합니다. 별도 설치·작업자 관측을 읽을 수 있습니다.

72개 유효한 그래프·144회 실행에서 QAT는 첫 후보로 필드144/144개와 활동 출력96/96개를 맞췄습니다(각 시도 예산의12개 그래프). 모든 목표가 같은 mask7이므로 이 수치에는 대안식을 선호하는 편향이 작용할 수 있습니다. 학습0회,추론 중앙값17.50~18.46µs,전체 명령은약310ms입니다. 초기24개 미사용 변수 오류와 수정 계획을 포함한 원본을 여기에서 읽을 수 있습니다. 공개 v1 입력 배열에서는copy.state와saved.state가 동일해 실제 모델 응답도 같습니다. 이 관측을 이어 새 출처 입력 계약을 구현했습니다. 아래에 별도 관측을 정리합니다.

Gooo에서 제목·상태·사유 필드에 들어갈 두 후보식을 준비하고, 작은 자체 모델이 요구 문장을 읽어 조립 순서를 고르는 실험입니다. 같은 판단기를 필드 세 곳에 쓰고, 그 점수를 합쳐 여덟 코드 경로를 정렬합니다. 설계도에서 부품을 하나씩 고른 뒤 실제로 조립해 보는 방식입니다. 조건문·변수·필드의 형태와 실행은 Gooo 컴파일러가 담당하며, 예시에서 맞은 기능의 비율을 별도로 기록합니다.

같은 자료에서 관측한 결과

모델	다른 본문·기본 표현: 첫 완전 조합	다른 본문·새 표현	본문 평가의 맞은 필드	가중치 파일
앞선 dense v2 FP32	424/1,536 (27.60%)	81/512 (15.82%)	2,942/4,608 (63.85%)	74,624 B
공유 FP32	1,152/1,536 (75.00%)	120/512 (23.44%)	4,224/4,608 (91.67%)	8,288 B
공유 PTQ 삼진화	168/1,536 (10.94%)	88/512 (17.19%)	2,304/4,608 (50.00%)	446 B
공유 QAT 삼진 학습	1,344/1,536 (87.50%)	102/512 (19.92%)	4,416/4,608 (95.83%)	446 B

세 필드와 여덟 작성된 본문/후보식 모양을 재사용한 벤치마크입니다. 모든 여덟 요구 조합은 학습에 포함됩니다. 새 표현에서는 첫 조합 비율이 크게 떨어집니다. 직접 삼진화한 PTQ의 품질도 낮습니다. 본문·표현·필드 지표를 함께 읽어야 현재 어느 부분까지 조립 가능한지 알 수 있습니다.

FP32의 문맥 해석을 포함한 따뜻한 추론 중앙값은9.50µs, 앞선 dense 모델은 같은 실행에서15.96µs였습니다. 미리 만든 특징 배열 한 행의 계산은3.04µs, QAT는3.13µs였고 준비된 배열의 FP32/QAT 계산은 호출당 힙 할당0회였습니다. 배열 계산은 텍스트/식 해석을 제외한 측정입니다. 전체 코드 생성 속도는 별도로 측정합니다. 삼진 파일은 행렬 원소를 다섯 trit씩 묶으며 FP32 bias도 포함합니다. 실제 실행은 int8 배열2,096 B와 scale8 B, 요청별 workspace3,200 B 등을 사용합니다. 파일의1.58bit 수준 표현과 전체 프로세스 RAM은 서로 다른 크기입니다.

사용

아래 공유 필드 예제는 앞선 main2c의 고정 배포 기록입니다. 최신 순차 필드 기능은 위 main 소스와 시작 안내를 사용합니다. 모델 가중치는 동일합니다.

SDK v0.2.23-experimental, 모델 특징 triple_record_field_context_v1_shared_v1, 산술 float32_separate_v1입니다. 개발 PR1231과 main PR1232을 각각 전체12개CI와 독립 증거 확인 후 병합했습니다. 깨끗한 main 2c807d461afc68a7ebfbd277d1dd6e97f5168e92를 Go1.27.1로 빌드·설치하고 공개 가중치로 실제 실행을 확인했습니다. 예제의 후보 예산은8이며, 입력을 전달하는 두 활동을 실제로 생성·실행합니다.

hf download asketeddy/gooo-record-shared-field-tiny-v1 \
  models/qat_ternary/model.json models/qat_ternary/weights.bin \
  demo.gooo.fixture demo-cases.json \
  --revision 87f8c482d23dc0eaa41f5575f652e7ca61f44280 \
  --local-dir ./gooo-field-model

gooo body-compose --source ./gooo-field-model/demo.gooo.fixture \
  --model ./gooo-field-model/models/qat_ternary/model.json \
  --cases ./gooo-field-model/demo-cases.json

--model을 생략하면 결정론적 후보 순서로 조립합니다. 모델이 있으면 한 번의 추론으로 후보를 정렬하고, Gooo의 유한 테스트 결과로 이어서 선택합니다. 완성된 코드 실행과 저장한 선택의 재구성에는 새 모델 호출이 없습니다. 제공한 문맥의 필드 수나 크기가 맞지 않으면 이유를 남기고 결정론적으로 진행합니다. 필드용 모델을 scalar 본문에 지정해도 이 방식으로 진행합니다.

Go SDK의 LoadRecordSharedThree와 PredictRecordSharedInto로 같은 모델을 읽을 수 있습니다. PredictRecordSharedFeaturesInto는 미리 준비한 [768]float32 배열을 받아 텍스트 해석 비용을 분리합니다. RecordChoiceMarginals는 각 필드의 첫/둘째 후보 확률을 반환합니다. 요청마다 workspace/output을 소유하고 가중치를 함께 읽습니다.

실제 조립과 실행

동일한24개 소스에서 결정론적 순서, 앞선 v2, 세 공유 모델을 후보 예산1/2/8로 비교했습니다.360개 그래프와720회 네이티브 실행을 마쳤고 원시 출력에서 지표를 다시 계산해 모든 요약과 일치함을 확인했습니다. 예산8의120개 그래프는 모두 선택 예시15/15 필드, 새 런타임 입력12/12 필드와8/8 이름 붙은 출력이 맞았습니다.

후보 하나일 때, 실제 변환 필드	결정론적	앞선 v2	공유 FP32	공유 QAT
활성 입력의 요구 필드	72/144	108/144	126/144	126/144
입력과 다른 값이 필요한 필드	60/120	92/120	108/120	106/120

평가 축을 나누면 기본 표현의 활성 필드는 앞선 v2 76/96개, 공유 FP32/QAT 96/96개였습니다. 새 표현8개 소스는 앞선 v2 32/48개, 공유 모델30/48개로 줄었습니다. 전체 합계의 개선과 새 표현 묶음의 퇴행을 함께 기록합니다.

유지 분기의144/144 필드는 별도로 계산했습니다. 전체 명령 중앙값은 결정론적395.80ms, 공유 FP32 394.65ms, QAT 395.30ms였습니다. 생성·빌드·실행 시작 비용을 포함하며 고정된 순서로 측정했습니다. 작은 추론이 빨라진 관측만으로 전체 코드 생성의 속도 향상을 판단하기 어렵습니다. 런타임과 선택 재구성의 추가 모델 호출은0이며, 생성 요청당 실제 모델 호출은1입니다.

evidence.zip은 새 실험 원시자료37.91MiB를 압축해 담습니다. 기존 소스/특징 뱅크는 v2의 고정 공개 아카이브를 재사용합니다. audit.json, native-summary.json과 SHA256SUMS에서 지표와 바이트 근거를 읽을 수 있습니다. 연구 CI37226752241은 전체26개 작업을 통과했습니다. Linux의360개 그래프·720회 실행 원본을 내려받아 소스·후보 선택·필드·값 전달·실제 출력·프로세스 완료를 독립 재계산했습니다. 고정120개 NumPy/Go 비교의 최대 logit 차이도0이며, 모든 모델의 품질 수가 macOS 관측과 같습니다. validation/linux-validation.json에 원본 지문을 기록합니다.

최초 로컬 원본은39,748,306 B로 계획한64MiB 이내였습니다. 후속 Linux 재생의 논리적 원본40,178,256 B를 합치면76.22MiB로 그 목표를 넘습니다. 두 관측을 유지하고 범위를 공개합니다. 로컬에는Linux 자료의8MB압축 파일을 보관해 메모리에서 검산하며 별도 압축 해제 복사본을 만들지 않았습니다.

학습과 근거

• 계획/학습 소스: 862dd0e.
• 상세 계획: shared field pilot.
• 원본7,168개 소스/특징: 앞선 v2 공개 자료.
• 새 Go 초기값 seed20261055,2,072개 매개변수. 같은40 FP32+40 QAT epoch, 총3,840회 갱신. 학습3,072/보정1,536; 평가1,536/512/512. 보정만으로 checkpoint/temperature를 선택했으며 진단 후 재학습하지 않았습니다.
• Go가 소스·특징·추론·실행·지표를 담당하고 Python은 오프라인 MPS 최적화/내보내기에 사용했습니다. 독립 NumPy 산술과 Go의 고정120개 출력 비교에서 최대 logit 차이는0이었습니다.
• 학습 프로세스9.45초, CPU5.06초(한 코어 기준 평균53.5%), 최고 RAM 477.9MiB. 학습 루프7.24초, MPS tensor13.56MiB/driver50.72MiB를 표본 관측했습니다. GPU utilization과 호스트 전체 CPU 증가량은 미측정입니다.

필드별 독립 점수라는 구조가 이 작은 과제의 학습을 도왔습니다. 필드 사이의 의존 관계, 새 자연어 표현과 더 다양한 타입·본문은 후속 언어 연구에 필요합니다. 확률은 후보 순서를 정하는 값이며 테스트에서 확인한 기능 완전성은 실행 관측으로 계산합니다. 현재 한 번에 높은 정답률을 요구하기보다 남은 기능을 측정하고 다음 후보로 진행하는 사용 흐름을 발전시키고 있습니다.

공개 모델을 개발 중에 실제 사용한 기록

공개 리비전87f8c482의21개 파일을 원본과 바이트 단위로 확인했습니다. 개발 후보d515db9d에서 두 작업자의32개 요청을4회 관측했습니다. 매회 선택 예시의 필드480/480개가 맞았고 첫 응답은 입력을 닫기 전에 도착했습니다. 첫 실행은497.015ms, 세 반복은8.752/12.342/11.866ms였습니다. 각 반복은 작업자 시작과 문맥 해석·조립을 포함합니다. 최초 실행도 보존합니다. 메모리는약22.622.9MiB, 프로세스CPU시간은0.1140.158초였습니다. 호스트 전체CPU 증가량과 일반적인 처리량은 미측정입니다.

설치한 main2c807d461afc68a7ebfbd277d1dd6e97f5168e92에서도 같은 공개 파일과 여섯 실제 실행 대조군, 32개 혼합 요구의 작업자 요청을 확인했습니다. 생성된 프로그램 실행의 추가 모델 호출은0회입니다. 원본 보고서는validation/worker-trials와 validation/installed-public-dogfood.json에 있습니다. 데드락 검토의 범위는 각60초 제한에서 두 작업자의32개 고정 요청을 완료하는 관측입니다.

Go 독자는go run validation/read-model.go --text MODEL.json CONTEXT.json으로 필드 이름·의도·두 후보식·확률과 제안식을 읽을 수 있습니다. 예제의 제목은 50:50동률, 상태는약99.9%로 관측했습니다. 동률의 첫 후보도 실제 유한 예제를 통과할 수 있으므로 후보 확률과 기능의 완전성을 따로 읽습니다. 짧은 사용 흐름 · main CI37228772888.

참고한 원리와 연구

Laya는 상태와 타입이 있는 질문을 받아 선택과 확률을 반환하는 접근을 보여줍니다. Gooo에서는 이를 실제 후보식에 대한 작은 판단 질문으로 좁혀 실험합니다. 이번 가중치는Go의 새로운 초기값과 Gooo에서 만든 자료로 학습했습니다.

Ma 등의 BitNet b1.58 연구는 가중치의 삼진 표현{-1,0,1}과 그에 맞는 학습을 다룹니다. 우리의 작은 판단기에서는 PTQ와QAT를 따로 관측하고 파일 크기·실제 텐서·전체RAM·기능 충족률을 각각 계산합니다.

W3C PROV-O의 개체·활동·사용·생성 관계는 Gooo가 원본, 생성 과정과 관측 결과를 연결하는 어휘의 바탕입니다. 소스와 선택의 이유, 실제로 전달한 값이 같은 기록에 남도록 언어를 발전시키고 있습니다.

설치본의 반복 관측

설치본의 첫 응답은483.816ms, 세 반복은12.16436.625ms, 작업자RAM은22.5323.27MiB였습니다. 모든4회에서32요청·선택 필드480/480개가 맞고 입력 종료 전에 첫 응답이 도착했습니다.

개발 후보의 반복8.8~12.3ms와 설치본의 반복을 각각 보존합니다. 가장 빠른 값만 고르지 않고36.6ms 반복도 포함합니다. validation/installed-worker-summary.json은 각 요청 묶음의프로세스CPU초/전체벽시간×100을 한 코어 기준 평균으로 계산합니다. 두 작업자와 런타임의 합계이므로100%를 넘을 수 있습니다. 호스트 전체CPU 증가량과GPU utilization은 미측정입니다.