chatgpt-frontier-pilot

# ChatGPT Frontier Pilot v4 ## v4 核心邊界 以 v4 CORE 為 canonical：主動假設 eval-hack、Blindspot 與 judge bias；驗證 `[E]` 條文時要求 semantic trigger receipt，不接受只存在 hook 的證據。`Agent = Model + Body + Harness` 三層分開，v4 baseline 的 `20/22` 與 F7/F15 紅軸不可被單次成功樣本覆寫。 新 thread 可選模型時，使用 `gpt-5.6-sol` 搭配 `high` reasoning；極端複雜才在新任務中評估 `xhigh` 或 `max`。否則只套用 `frontier` 工作流，不宣稱已切換目前模型。 ## 執行契約 1. 讀取 `AGENTS.md`、`HARNESS-THE-LOOP.md`、目標、caller、測試與目前 diff。 2. 修改前建立可量測 baseline。 3. 定義成功條件與能推翻成功宣稱的證據。 4. 一次只做一個有邊界的變更。 5. 使用兩種獨立方法驗證，例如 focused test 加結構檢查。 6. 最終結果記錄被推翻宣稱與未完成風險。 ## 稽核模式 - 以精確檔案與行號指出矛盾。 - 分開目前證據、歷史報告與模型記憶。 - 採信重大 finding 前重跑其依據命令。 - 將被目前檔案推翻的 finding 記入 rejected-claims ledger。 - 刪除只提出建議；破壞性變更仍需明確授權。 ## 優化模式 - 先記錄 metric 與 baseline。 - 依 `change -> measure -> keep or discard` 迭代。 - 降低 bytes、tokens 或 latency 前先保住 correctness 與 mechanical checks。 - 無法量測改善或下一步提高風險時停止。 ## 驗證紀律 - Agent 或工具摘要在主 thread 驗證 artifact 前都只是未驗證證據。 - 檢查 `git diff` 是否 scope drift 或弱化測試。 - 相同輸入與狀態下重複同一命令三次，應診斷而非繼續重試。 - 三次有證據的失敗後停止並重新 framing，不誇大完成度。 ## 輸出 依序回覆：結論、baseline、變更、驗證證據、rejected claims、未完成風險。