Как агенты решают настоящие задачи

Промпт агенту

Nominal scale should be drawn the same way as categorical scales

Three distinctive things happen on the categorical axis in seaborn's
categorical plots:

1. The scale is drawn to +/- 0.5 from the first and last tick, rather
   than using the normal margin logic
2. A grid is not shown, even when it otherwise would be with the
   active style
3. If on the y axis, the axis is inverted

It probably makes sense to have `so.Nominal` scales (including inferred
ones) do this too. [...]

Solve the issue described above by editing the code in this repository.
Make all changes needed for the described behavior to be fixed.
Do not modify tests.

Environment: this sandbox has NO network access. Its dependency caches
were populated in advance and are mounted read-only, so you can build
and test without installing anything.

Данные

• Полное дерево репозитория mwaskom/seaborn на коммите до фикса.
• Виртуальное окружение с зависимостями проекта и рабочий pytest.
• Сети нет; в истории git ровно один коммит — подсмотреть исправление негде.
• Список тестов, по которым будут проверять, агенту не выдаётся.

Ожидаемое решение

Патч в seaborn/_core/plot.py, переносящий поведение категориальной оси на Nominal-шкалы. Ниже — реальный патч, который прошёл скрытые тесты в нашем прогоне:

--- a/seaborn/_core/plot.py
+++ b/seaborn/_core/plot.py
@@ -25,7 +25,7 @@
 from seaborn._core.moves import Move
-from seaborn._core.scales import Scale
+from seaborn._core.scales import Scale, Nominal
 from seaborn._core.subplots import Subplots
@@ -1632,6 +1632,20 @@ class Plotter:
             for axis in "xy":
                 axis_key = sub[axis]

+                # Categorical scales have a few distinctive display
+                # behaviors: a fixed margin of +/- 0.5 around the
+                # first/last tick, no grid, and (on y) inversion.
+                scale = self._scales.get(axis_key)
+                if isinstance(scale, Nominal) and axis_key not in p._limits:
+                    n = len(getattr(ax, f"get_{axis}ticks")())
+                    if axis == "x":
+                        ax.set_xlim(-.5, n - .5, auto=None)
+                    else:
+                        ax.set_ylim(n - .5, -.5, auto=None)
+                    ax.grid(False, axis=axis)
+
                 # Axis limits
                 if axis_key in p._limits:

Промпт агенту

Implement a complete, installable Python library in this empty
workspace that fully satisfies the specification. Create all modules,
packaging files, and dependencies needed for it to install and pass
its test suite.

--- Спецификация (start.md, фрагмент) ---

Please create a Python project named aiofiles to implement an
asynchronous file operation library. The project should include the
following features:

1. Core of asynchronous file operations: asynchronous open/read/write,
   interfaces similar to Python's standard file APIs, async versions
   of read(), write(), readline(), readlines(), writelines().

2. Integration of thread pool executor: delegate blocking file I/O to
   separate threads through asyncio's thread pool executor so file
   operations do not block the event loop.

3. Support for asynchronous iteration: file objects implement the
   asynchronous iterator protocol (async for over lines).

4. Asynchronous temporary file module: TemporaryFile,
   NamedTemporaryFile, SpooledTemporaryFile, TemporaryDirectory —
   each supporting the async with context manager.

[...ещё 8 разделов спецификации с сигнатурами и примерами...]

Данные

• Пустой рабочий каталог — ни строчки кода на старте.
• Спецификация на 12 разделов: назначение проекта, публичные функции, примеры вызовов, перечень тестовых интерфейсов.
• Ни тестов, ни эталонной реализации агент не видит.

Ожидаемое решение

Устанавливаемый пакет с корректной упаковкой и полным API. Проверка запускается в официальном контейнере задачи:

pip install -e .
pytest --continue-on-collection-errors tests

Тесты берутся из настоящего репозитория aiofiles и подкладываются в проект агента после сдачи. Задача засчитывается, только если проходят все 211 тест-кейсов — то есть если восстановлены и API, и семантика, и структура модулей.

Промпт агенту

This workspace is a data-science task. `question.txt` HAS the task —
read it (and `README.md`, which describes the dataset) and use the data
files provided here to solve it with Python (pandas/numpy/scikit-learn,
and SQL where appropriate). Write your final answer to the exact output
file named in `question.txt`. Explore the data first, then produce the
answer artifact. Then stop.

--- question.txt ---

Calculate the top 10 most popular movies by considering only those
whose number of votes falls within the top 15%. Use the formula
provided in wrFormula.tex to perform the calculation. Once the
calculations are complete, write the names of the top 10 movies into
result.csv, following the format specified in sample_result.csv.

Данные

• tmdb_5000_movies.csv — 5,7 МБ, метаданные фильмов.
• tmdb_5000_credits.csv — 40 МБ, актёры и съёмочная группа.
• sample_result.csv — только заголовок Movie, задаёт формат ответа.
• wrFormula.tex — формула взвешенного рейтинга, которую нужно прочитать и применить:

Weighted Rating (WR) = (v / (v + m)) * R  +  (m / (v + m)) * C

v — число голосов у фильма
m — минимум голосов для попадания в чарт, 85-й перцентиль
R — средний рейтинг фильма
C — средний рейтинг по всему датасету

Ожидаемое решение

Файл result.csv, совпадающий с эталоном построчно. Ошибка в перцентиле, в порядке сортировки или в округлении даёт другой список — и задача не засчитывается:

Movie
The Shawshank Redemption
Fight Club
Pulp Fiction
The Dark Knight
The Godfather
Inception
Forrest Gump
Interstellar
The Lord of the Rings: The Return of the King
The Empire Strikes Back