七问法研究合同
这是基于当前仓库证据的下一阶段建议。历史负结果继续保留;本合同不会把 smoke、replay、simulation、projected profile 或 host fixture 升格为端到端效果。
- 问题定义:持续动态图中,何时增量维护的累积代价超过重构,如何利用结构变化预测最优重构时机?
- 重要性:先在真实 workload/runtime 上量化该问题的发生频率、资源损失和 SLO/正确性影响;若 M0 不能复现可重复病理,则停止机制实现。
- 现有工作缺口:现有动态图系统多固定重构策略,难以同时覆盖不同更新率、图结构漂移和算法后端。
- 核心机制假设:以 Grace 已发表机制为基础,只做可归因扩展:固定 PPCSR、Terrace、VCSR 的精确版本,并研究跨算法可迁移的重构成本模型。
- 最小可行设计:只实现能够区分 baseline/treatment 的最小真实 seam;所有 runtime、算法和数据依赖必须由本仓库 submodule 固定,禁止依赖 ambient shared core。先做 correctness gate,再申请扩大设备/模型矩阵。
- 实验合同:复现论文主结果后,按更新率、局部性、度分布漂移和算法后端做边界扫描;比较固定周期、阈值触发与 Grace,报告更新/查询吞吐、重构成本、内存峰值和预测误差。 两臂必须使用同一 commit、模型、数据顺序、硬件和运行模式;至少 10 次重复或完整真实事件集,报告完整分布。正确性必须 100%,性能门须预注册;未过门只关闭本机制,不修改阈值迎合结果。
- 预期知识增量:Dynamic-graph reconstruction should be triggered by measurable structural drift rather than a fixed update schedule.
下一次提交要求
- 先在本 Issue 回复:架构/数据事实、matched baseline/treatment、指标阈值、correctness oracle、停止条件、证据等级、硬件与预计时长。
- 随后用独立分支提交最小实现、测试、原始结果、manifest 和 Draft PR。
- 不得把准备度检查、dry-run 或 projected 数字写成论文效果。
七问法研究合同
下一次提交要求