问题概述

夹具 dup-many 含 22 组等大（11 行）重复块，duplication_findings = "top" + 默认 duplication_max_findings = 20 取 20 组时丢弃 pair_4（组哈希 fc99b7be…）与 pair_14（组哈希 fc56a6cd…），取舍优先级未在任何文档定义；结果确定（跨平台、跨版本一致）但规则不透明。首次出现版本：v1.1.0（duplication findings 为 v1.1.0 新功能）。受影响对象：启用重复发现的 Cargo 软件包/目录输入。实际影响：用户无法预判哪组被丢弃，审计场景可能遗漏关注组。本问题涉及发现条目取舍口径。

影响范围

复现步骤

最小源码样例：夹具 fixtures\dup-many（48 个 .rs 文件、831 行，22 组 11 行重复块 + 1 组完全重复文件对）。自包含最小样例如下（3 组等大 11 行重复块 + max_findings=2，即可复现"同尺寸组截断取舍未文档化"现象；完整夹具 22 组下的 pair_4/pair_14 具体编号依赖该夹具，取舍规则本身同样未文档化。下述命令中的 <dup-ties> 即指向该样例目录）：

dup-ties/
├── Cargo.toml
└── src/
    ├── lib.rs
    ├── g0.rs
    ├── g1.rs
    └── g2.rs

Cargo.toml：

[package]
name = "dup-ties"
version = "0.1.0"
edition = "2021"

src/lib.rs：

pub mod g0;
pub mod g1;
pub mod g2;

src/g0.rs（g1.rs / g2.rs 与其逐字节相同，构成 3 组等大 11 行重复块）：

// g0.rs - identical 11-line block shared with g1.rs / g2.rs
pub fn tie_block(acc: u32) -> u32 {
    let mut acc = acc;
    acc += 10000;
    acc += 10001;
    acc += 10002;
    acc += 10003;
    acc += 10004;
    acc += 10005;
    acc += 10006;
    acc += 10007;
    acc += 10008;
    acc
}

src/g1.rs 与 src/g2.rs：内容与 src/g0.rs 完全相同（仅文件名不同）。

配置 bot-metric-dup-top-20.toml（关键项）：

[thresholds]
duplication_max_findings = 20

[rules]
duplication_findings = "top"

1. BM110 analyze <dup-many> --config bot-metric-dup-top-20.toml --format json → 20×BM006
2. BM110 analyze <dup-many> --config bot-metric-dup-all.toml --format json（findings="all"）→ 22×BM006
3. 对比两组 finding 的组哈希，找出被丢弃的组
4. x86 与 ARM64 各执行一次并对比

预期结果

文档定义同尺寸组的取舍优先级（如按哈希序/位置序），或输出中说明取舍规则，使用户可预判截断结果。

实际结果

top-20 丢弃 pair_4（fc99b7be…）与 pair_14（fc56a6cd…），取舍规则未文档化；结果确定，x86 与 ARM64 一致。证据：x86_linux\records\batch-05\；arm_linux\records-arm64\batch-09\verify-groupB_5-2_5-3_5-4.txt。

证据原文（x86_linux\records\batch-05\out\t55-many-top-20.json，共 2671 行，节选 findings 的 stable_subject 清单——20 组入选重复 + 2 条质量目标）：

  "stable_subject": "quality-target:max_code_duplication_ratio",
  "stable_subject": "quality-target:max_file_duplication_ratio",
  "stable_subject": "duplicate:020495a78067cd83:14",
  "stable_subject": "duplicate:0fc7285907b6d4cb:14",
  "stable_subject": "duplicate:1c7f0d179e60b763:14",
  "stable_subject": "duplicate:2191ff92d38bb9d3:14",
  "stable_subject": "duplicate:239894a2fca9a27b:14",
  "stable_subject": "duplicate:6098f025d22d102b:14",
  "stable_subject": "duplicate:646f04eef676eb7b:14",
  "stable_subject": "duplicate:68140443a7b6d7db:14",
  "stable_subject": "duplicate:7129c49f7b2e5deb:14",
  "stable_subject": "duplicate:71693c57fe1fccd3:14",
  "stable_subject": "duplicate:75897d5fa349a5db:14",
  "stable_subject": "duplicate:990a7ab4f2277f23:14",
  "stable_subject": "duplicate:bd8f5a612bfa137b:14",
  "stable_subject": "duplicate:c5ad085feb7bdf13:14",
  "stable_subject": "duplicate:c773fea40b4b04ab:14",
  "stable_subject": "duplicate:c9ea0edf86947383:14",
  "stable_subject": "duplicate:db5c5d89377cea13:14",
  "stable_subject": "duplicate:e6b8082ac8c303ab:14",
  "stable_subject": "duplicate:eeb633027814197b:14",
  "stable_subject": "duplicate:f005875e1ae1866b:14",

……（节选，完整文件见 x86_linux\records\batch-05\out\t55-many-top-20.json；入选 20 组不含 fc99b7be（pair_4）与 fc56a6cd（pair_14））

证据原文（arm_linux\records-arm64\batch-09\verify-groupB_5-2_5-3_5-4.txt，5-4 部分）：

=== 5-4 复现：top 模式同尺寸组取舍（22 组取 20 丢 pair_4/pair_14）===
命令：BM110 analyze fixtures/dup-many --config fixtures/configs/bot-metric-dup-top-20.toml --format json
      BM110 analyze fixtures/dup-many --config fixtures/configs/bot-metric-dup-top-23.toml --format json （全集对照）
BM006 数: 20 （22 组中入选 20）
入选组哈希前8: ['020495a7', '0fc72859', '1c7f0d17', '2191ff92', '239894a2', '6098f025', '646f04ee', '68140443', '7129c49f', '71693c57', '75897d5f', '990a7ab4', 'bd8f5a61', 'c5ad085f', 'c773fea4', 'c9ea0edf', 'db5c5d89', 'e6b8082a', 'eeb63302', 'f005875e']
被丢弃: fc99b7be → pair_4、fc56a6cd → pair_14（与 x86 观察项"丢 pair_4/pair_14"完全一致）
入选集合前 6 个哈希与 x86 归档逐字一致（dup-idx 内容哈希跨平台相同，第 17-20 位 x86 样板截断未列出，全集 22 哈希跨平台可对齐）。
结论：复现成立——top 模式 22 等大组取 20，丢弃 pair_4/pair_14，选择确定但非按大小/影响排序（文档未定义优先级）。

分析环境与范围

指标、发现与报告证据

• ☑ 已说明发现条目的编号、严重级别、位置和 human_message：BM006 / warning / 各重复块位置（span 见证据文件）/ human_message 原文见证据文件
• ☑ 已附 analysis-report：top-20 与 all 两份完整 JSON 存于 x86_linux\records\batch-05\
• ☑ 指标口径：涉及重复发现取舍口径（top 模式同尺寸组截断规则未定义）
• ☑ 已说明 Cargo/独立文件口径差异：不适用（目录与 Cargo 输入行为一致）

性能与资源证据

附件与提交确认

• ☑ 已检索现有问题单，确认不是重复问题
• ☑ 已提供最小复现步骤、预期结果和实际结果
• ☑ 已明确指标公式、统计范围和实际证据（如适用）——本条涉及重复发现取舍口径，已附组哈希证据
• ☑ 已完成日志、配置、源码和附件脱敏（输出不含本机用户路径）