lm_understand-logs

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

• Python 环境（仓库中 harness/sandbox.py 使用 Python 运行模型写的代码块）
• Codex CLI（每轮实验通过 codex exec 调用）
• bubblewrap 沙箱环境（harness/sandbox.py 使用，运行时无网络）
• 可用的 OpenAI 模型调用凭据（实验统一使用 gpt-6-astra）

安装与启动步骤

1. 1克隆仓库

   把实验日志仓库下载到本地，后续所有目录与脚本都在仓库内。

   git clone https://github.com/RikiyaT/lm_understand-logs.git
   cd lm_understand-logs

   复制

2. 2查看实验目录说明

   每个 exp* 实验目录自带 README，标明对应文章中哪个标签页或行、每个数字来自哪个文件。

   ls -1

   复制

3. 3阅读运行配置

   确认内置工具被关闭的配置和系统指令内容，两者是复现无工具调用的前提。

   cat harness/codex_config.toml
   cat harness/instructions.md

   复制

4. 4准备 Codex CLI

   README 只说明调用方式是 codex exec，未给出安装命令，安装请参照 Codex CLI 官方文档。

5. 5发起单轮调用

   一轮就是一次 codex exec，提示词通过标准输入传入，推理强度在每次调用时单独指定并记入 run.json。

   codex exec

   复制

6. 6继续同一会话

   多轮对话用 resume 加线程标识继续，示例中的线程标识需替换为实际值。

   codex exec resume thread-xxxxxxxx

   复制

7. 7核对代码与输出

   实验 3、6、7、8 中模型每轮写一段 Python，运行结果回传为下一条消息，代码与输出记在 tool_calls.jsonl。

   cat exp3_language/tool_calls.jsonl

   复制

关键配置

如何确认成功

打开任一轮的 run.json，确认 audit.tool_free 为 true，且对应 tool_calls.jsonl 中存在该轮的代码与打印输出。

常见问题

注意事项

• 仓库定位是研究复现材料，不是可直接部署的软件，缺少 README 支持的安装步骤不要臆造。
• 沙箱运行无网络且有单次时间限制，长耗时任务可能被截断。
• 每轮提示词、回复、推理摘要与代码输出均已完整存档，可直接与原文逐项比对。