[HER Hack-Astron #4] Clarify, Bind, Commit：有歧义的 Domux 指令先确认，再执行
我验证的是一个实际集成问题：当 Domux 输出不能唯一定位设备时，怎样先澄清并绑定
确认，再把动作安全提交到 Home Assistant，而不是默认选择列表第一项。
结论先说：48 组 clear/ambiguous 配对指令中，Domux 的 clear specificity 为 48/48，
ambiguity sensitivity 为 47/48；原始 v1 完整策略只有 42/48，通过条件要求全量成功，
所以质量门是 FAIL。我保留了失败样本，没有选择性重跑或用后续代码覆盖结论。
最终参考实现把 4 条固定 Domux 输出接入真实 Home Assistant：3/3 精确状态变更，
1/1 在 prepare 后发生状态漂移并在 dispatch 前拒绝。
固定证据：
模型与环境
iFlytekOpenSource/Domux@6c71a32f4d624cadfd9fce9d10240d8068e53456- Full BF16 snapshot：13 files / 10,279,032,574 bytes
- Python 3.12.12；transformers 5.15.0；torch 2.10.0+cu128
- 单卡 NVIDIA A800-SXM4-80GB
- greedy；temperature 0；max_new_tokens 128；seed 20260826
- 2 条独立 warm-up；96 probes；0 failure；0 selective rerun
- load 4.564 s；peak allocated 10,244,988,416 bytes
env -u HF_ENDPOINT -u HUGGINGFACE_HUB_BASE_URL \
hf download iFlytekOpenSource/Domux \
--revision 6c71a32f4d624cadfd9fce9d10240d8068e53456 \
--local-dir ./domux-6c71a32
run_model.py 会核验 revision、文件大小、hash 和 Hub 元数据；GitHub 不含权重。
原始输出
Turn off the Light in the Living Room on the Ground Floor.
turnOff|Light|*|*|*|Living Room|Ground Floor
Turn off the light.
turnOff|Light|*|*|*|*|*
Set the hall curtain to 20 percent.
set|Curtain|position|20|Percent|Hall|*
结果
统计单元是 48 个配对 base，不把 96 probes 当成独立样本。二元比例使用 Wilson
双侧 95% 区间，预注册比较使用 exact McNemar + Holm 校正。
| 指标 | 结果 |
|---|---|
| clear specificity | 48/48 |
| ambiguity sensitivity | 47/48 |
| candidate coverage | 44/48 |
| original guarded B2 | 42/48，gate FAIL |
| safe-abstain baseline | 47/48；dispatch 1/48；wrong target 0/48 |
| paired latency | median 638.807 ms；p95 922.7055 ms |
当前 clarify_commit.py 是查看失败后的最终参考实现，不用于重写原始 v1 数字。
真实 Home Assistant
固定 digest 的官方 Home Assistant 2026.8.3 镜像运行在 loopback 随机端口，
限制 1.5 CPU / 2 GiB / 512 PIDs。
- 3/3：灯、窗帘位置、空调温度精确提交并回读；
- 1/1：prepare 后通过真实 HA REST 改变目标状态，返回
state_changed / INVALIDATED，0 SUT dispatch； - nonce replay 新增 SUT 调用为 0；
- 调用分账：5 setup + 3 SUT + 1 fault injection = 9；
- schema 4 日志绑定执行时两个源文件和两个输入文件的 SHA-256。
{
"status": "passed",
"successful_transitions": 3,
"rejected_before_dispatch": 1,
"sut_dispatches": 3,
"artifact_sha256": "aa5a70e5d19a0cd90fd673e3f19224231da086dff766ee05aaead8141a6017f0"
}
限制也写清楚：澄清答案来自冻结合成 scenario gold，确认后没有再次调用模型；
HA 使用 4 个语义映射实体，不是完整 inventory。因此它不是不间断 live
model-to-HA，也不是 production-safety 认证。
复现
cd cases/domux-clarify-commit
python -m unittest discover -s tests -q
python ha_acceptance.py --output /tmp/domux-ha-acceptance.json
核心测试预期 Ran 159 tests、OK；第二条需要 Docker，并在结束时清理任务资源。
模型重跑的完整命令与评测命令写在 case README。
失败、安全与许可
- malformed、expired、replayed nonce 和 state drift 均保持 0 device call；
- postcondition mismatch 明确标为
FAILED_POSTCONDITION，不假装没有执行； - 64 个场景均为原创合成，只含 Light/Curtain/AC，无真实家庭或业务数据；
- 合成数据/data card 为 CC BY 4.0；案例代码沿用 Apache-2.0；上游许可不变；
- 无 token、cookie、私有 endpoint、个人路径、权重或高风险真实设备。
AI 辅助说明
使用 AI 辅助方案讨论、代码审阅、测试；提交者审阅实验、原始输出、最终提交。