[leafliber]

PE-23：persona 生成与检查的三类通用修复。只改提示词和确定性检查，没有调用真实模型；真实评测和判分不在本 PR 内。之后的提交按规划者五轮审查意见修改。

提示词

• persona_check_v37（SHA-256 0e33db0b7676d971ef3d4a2940edc1e13a3a9aca26e01b89929d030f349091b4，18699 字节）：逐命题收录资格与 claim_checks；频率强度并入 quantifier_checks（source_instances、强度序、只认原话里被肯定的频率词、只有实例时写成有计数的有界经历）。比 v36 多约 2.6 KB；source_quantifier 要求只填一个词，长依据句的材料字节余量相应减少（按决定不改，评测时观察）。
• persona_generate_v24（SHA-256 eab1d23d1b9c283da2b1d6a2a20037c36814fe343442ac53f7cf4dc9510ffbcc）：保留当次认识时省去随附的未来打算；不把有限次数写成“都／总是／每次”。
• 两份提示词都已去掉贴近公开 dev 样本的措辞。旧提示词文件全部保留。

1. 逐命题收录资格

• PLAN_MARKERS（将来、打算、承诺的时间词和动词，封闭语法类，同 整理：保留限定词并精确校验结构化主体引用（含 GLM 评测） #107 先例）：以后 今后 往后 日后 将来 下次 下回 下一次 下一回 改天 届时 到时 到时候 将要 将会 打算 准备 计划 预备 决定 承诺 保证 答应 发誓 立志 争取 尽量 力争 务必。单字“会、要”和希望、愿意这类词不作标记。正反问句（打不打算）不算标记。
• 只有请求里带 plan_markers 的焦点必须返回 claim_checks；模型多返回的不带标记的分句不要求。缺失、格式不符或漏项先重问一次，仍缺按不合格处理。
• plan 一律不合格；任一项不合格，整句走既有修复／删句路径，不被其他命题覆盖。负结论也进 _adverse_field_verdicts。

2. 频率与断言强度

• FREQUENCY_STRENGTH：偶尔＜有时＜经常＜通常／习惯＜总是／都／每次／从不，五级封闭词表，含每天、天天、每晚、每周、每月、每年、全都；单字“常、总”和“一般”有歧义，不加。与 SCOPED_QUANTIFIERS 共用 quantifiers／quantifier_checks，频率项另含 source_instances；非频率量词多给的这个字段忽略。
• 候选与来源共用 _focus_quantifiers：被否定的频率词（不经常、不是每次、从没……每次）不算。
• “都／全都”一律按频率／全称核对（宁可多删句，不漏拦），只有三种写法按分配义豁免：
  • 紧挨在“都”前（最多隔一个副词）的复数人称代词或人群词：我们、你们、他们、她们、它们、咱们、大家、大伙、各位、俩、两人、两个人、几个人。
  • 紧挨在“都”前的固定形状：［这／那］＋两个以上或“几”＋（个人｜人或物量词本、门、位、件、首、张、篇、份、部、只、条、样＋至多两字名词，前面可有一个新／老／小／大／好／旧）＋至多一个人称代词＋至多一个副词，中间不允许其他字（“两个人独处时”“两首歌时”“这两本书里”都照常核对）。“一”不算，分句里有“每”也不算。
  • 紧挨在“都”前的“X和／跟／与／同Y”，X、Y 都是人称代词（含“对方”）或本次材料中主体的名字／别名（只供代码使用，不发给模型）。
  • 其余（这些天、每个晚上、这些歌、每个人、任何人、“接龙和私聊”“平时和周末”“跟人吵架”等）都照常核对。紧贴另一个量词（每次都）或在同一分句里跟着已计数的全称词（每次排练我都、所有事情都）的“都”是关联词，不另计。
• source_quantifier 只能是词表中的一个明确频率词，来源里单独的“都”（这些歌我都听过、每个人我都问了）不算依据；填整段或多个词时按结构错误重问一次，仍不合格按无依据处理。频率依据只取原话；当前正文只能收窄，没有摘录才用正文。修复替换句复查时同样核对。
• 来源原话肯定了频率词：候选不能更强。否则只有“都”可以写成有界经历，焦点里每个被肯定的“都”都要有自己紧挨着的计数（“这次我都明白了自己从来都太急”的第二个“都”照常核对）：紧挨在“都”前（只隔主语代词或副词）的“这／那＋数词或几＋次／回／场／遍／趟”（省去数词的“那次”按一次计），同一分句不能有自从、从、之后、以后、过后、往后、后、起、以来、开始，次数不超过 source_instances。总是、每次、一直等其他频率词没有来源频率词时一律不通过，任何计数都不能代替；“那次直播里我一直耐心解释”也因此被拦（已接受的保守取舍）。
• source_quantifier 不合格触发重问时，同一焦点其他量词项已算出的不利结论随重问保留。

3. 截断后的恢复

• _check_focus_split：只剩一句的窗口截断时按焦点二分，子请求带完整句子与全部绑定来源，直到单焦点；合并后缺焦点结论不能通过。子请求截止时间扣掉 60 秒保留时间；任一子请求失败（超时及其超时重试、429、传输错误、仍截断）都退回原来的截断，按终端截断／保留当前版处理，不抛子请求的错误。
• 恢复前先估算：恢复用时（重试按一次、拆分按焦点数，各以被截断请求的用时计）＋之后仍要运行的窗口数（含程度判定，以及同一窗口按句或按焦点拆分后还没跑的兄弟子批次）× 本阶段已见最长窗口用时＋60 秒保留，超过剩余时间就不恢复，直接按终端截断。手写审查的重试另算其余审查页和随后检查的估计窗口数。
• 按句拆分的子批失败（超时、429、传输错误、仍截断）也退回原来的截断，按终端截断处理，不抛子批的错误。
• 所有回退只针对超时、429、传输错误、仍截断、无法解析，以及这一个请求自身的 item_error、content_rejection；配置、密钥、账户错误，用途暂停、每日 token 上限、维护调用额度照原路径处理（尝试记为跳过或失败，不变成被拒候选）。
• 不能再拆的请求若截断回复为空、成段空白或未闭合 JSON，原样重试一次：
  • 不占超时重试额度，自身截止时间不超过阶段截止时间减 60 秒保留，预算条件同上。
  • 超时、429、传输错误、仍截断或仍无法解析时，一律回退到原来的截断结果，走原有的终端截断／保留当前版路径，不变成阶段失败。程度判定和手写审查同样处理。
• 计数：
  • 保持 truncations、splits、split_results、terminal_truncations 和 retained_incomplete_checkpoints_v2 的口径。
  • 新增 recovered_truncations、focus_splits、focus_split_results、output_retries、output_retry_results。
  • 被截断的窗口（事实窗口、程度判定或手写审查页）只要最终检查完整，不论经重试、结构重问还是拆分，其中的截断都记为已恢复；只有最终仍不完整才计终端截断和不完整检查点。
  • 手写审查有自己的 output_limit_diagnostics，并计入评测汇总。

评测代码（报告计数部分）

persona_evaluation.py 只改计数：

• _check_output_limit_metrics 汇总新字段（含手写审查和 output_retry_errors）。
• _model_call_outcomes 按窗口是否最终完整判断截断调用是否已恢复（旧记录仍认按句拆分的恢复）。
• 因超时失败的重试留下的那条超时调用，在保留当前版的不完整检查点里记为“容忍”而非“已恢复”：每条截断记录带调用顺序号（truncation_events，跨阶段按顺序号去重），与检查点里按顺序排列的截断调用一一对应；只有记录写明重试因超时失败的那条截断，其紧随的同用途超时调用才被容忍，每个失败重试至多一条，按焦点拆分因超时失败时，只容忍记录在该次拆分失败子请求名下的那几次超时调用（含它自己的超时重试；超时与截断共用调用顺序号），只在它与下一条截断调用之间找；按句拆分的兄弟子批超时不容忍。数目对不上时一条都不容忍，仍占每轮不完整额度；calls 新增 tolerated_timed_out_calls。其他超时口径不变（例如拆分子请求的普通超时即使靠超时重试恢复，在不完整检查点里仍判无效）。

已知限制

• 多句批次里单行的字段重问或补查被截断时，仍直接记终端截断，不先拆成单句（按规划者决定本次不改，偏保守）。
• 计划标记收窄后，“说会先……”这类句子不强制逐命题核对，依赖模型整体判断。
• source_instances 仍采信模型填写。
• 有界计数要求“这／那”；不带的裸计数不算有界。
• “X和Y都”只认代词（含“对方”）和材料中主体的名字／别名；其他并列一律按频率词，偏保守。
• 首个窗口的恢复预算以被截断请求的用时估计后续窗口。
• 失败重试因 429 或传输错误留下的调用不在容忍范围内，仍按现有口径计入无效调用。
• “所有／全部＋场合名词＋都”只走比较范围核对（“所有”的范围），不另按频率强度核对。
• 拆分超时容忍的 tolerated_as 标注按顺序关联，可能对不上具体是哪一次调用（容忍的条数是对的）。
• persona_check_v37 已 18699 字节，长依据句的单次请求离 32768 字节上限更近。
• tests/test_persona_streaming.py::test_future_deadline_closes_stream_worker_and_preserves_shared_client 时间敏感：在未改动的 origin/main 上也会失败，本机时过时不过；与本 PR 无关，由规划者另开任务。

不变

手写审查规则、发布流程、DEFAULT_PUBLISH_MODE=all_manual、评分说明和评测语料都没有改；没有新增模型用途。

测试

新增 test_persona_claim_eligibility.py、test_persona_frequency_strength.py、test_persona_focus_split.py，每条修改都有通过和拦截两个方向。persona_fakes 的协议假模型补齐 claim_checks 与 source_instances（仍不判断资格或强度）；几处既有测试按新版本号、按焦点拆分的调用次数与新计数字段更新。

本次（0025f86）结果：3.13 6118 passed、1 failed；3.12（--locked --isolated）6118 passed、1 failed；两边失败的都是上面那个 streaming 测试。uv build 通过。