CodeBench: revert-if-worse + erillinen testFixRounds-laskuri

- Seurataan parasta testitulosta (bestPassed/bestFiles)
- Jos korjaus huonontaa: palautetaan paras versio ja lopetetaan
- fixRounds laskee vain testikorjaukset, ei cargo check -kierroksia
- Estää 4/7 → 0/1 regressiot korjaussilmukassa

kipina-codebench/benchmark.mjs

@@ -457,6 +457,9 @@ async function runPipeline(model, scenario) {
         const testLabel = LANG === 'rust' ? 'Cargo test' : 'Pytest';
         const dockerTimeout = LANG === 'rust' ? 300000 : 120000;
         const MAX_TEST_FIX = 3;
+        let bestFiles = { ...files };       // Paras versio tiedostoista
+        let bestPassed = -1;                // Paras testitulos
+        let testFixRounds = 0;              // Erillinen laskuri testikorjauksille
 
         for (let testRound = 0; testRound <= MAX_TEST_FIX; testRound++) {
             // Kirjoita tiedostot levylle
@@ -479,7 +482,6 @@ async function runPipeline(model, scenario) {
                 }
                 if (syntaxErrors) {
                     console.log(`    [5/5] ⚠ Syntaksivirhe — ohitetaan Docker`);
-                    // Suoraan itsekorjaukseen ilman Docker-ajoa
                     writeFileSync(`${dir}/_testout_${testRound}.txt`, `SYNTAX ERRORS:\n${syntaxErrors}`);
                     Object.assign(result, { testsPassed: 0, testsFailed: 1, testsTotal: 1 });
 
@@ -494,8 +496,8 @@ async function runPipeline(model, scenario) {
                     for (const [fn, content] of Object.entries(fixedFiles)) {
                         if (LCONF.required.includes(fn)) files[fn] = content;
                     }
-                    result.fixRounds++;
-                    continue;  // Aja uudestaan
+                    testFixRounds++;
+                    continue;
                 }
             }
 
@@ -512,7 +514,19 @@ async function runPipeline(model, scenario) {
                 testOut = e.stdout || e.stderr || e.message || '';
             }
             writeFileSync(`${dir}/_testout_${testRound}.txt`, testOut);
-            Object.assign(result, parseTestOutput(testOut));
+            const testResult = parseTestOutput(testOut);
+            Object.assign(result, testResult);
+
+            // Seuraa parasta tulosta — revert jos korjaus huononsi
+            if (result.testsPassed > bestPassed) {
+                bestPassed = result.testsPassed;
+                bestFiles = { ...files };
+            } else if (testRound > 0 && result.testsPassed < bestPassed) {
+                console.log(`    [5/5] ⚠ Korjaus huononsi (${result.testsPassed}/${result.testsTotal} < ${bestPassed}) — palautetaan paras versio`);
+                files = { ...bestFiles };
+                Object.assign(result, { testsPassed: bestPassed });
+                break;
+            }
 
             // Kaikki testit läpi → valmis
             if (result.testsTotal > 0 && result.testsPassed === result.testsTotal) break;
@@ -534,13 +548,20 @@ async function runPipeline(model, scenario) {
             timings.push(fixResp);
 
             const fixedFiles = parseGeneratedFiles(fixResp.text);
-            // Päivitä vain tiedostot jotka malli palautti
             for (const [fn, content] of Object.entries(fixedFiles)) {
                 if (LCONF.required.includes(fn)) files[fn] = content;
             }
-            result.fixRounds++;
+            testFixRounds++;
         }
-        writeFileSync(`${dir}/_testout.txt`, ''); // Symlink viimeisimpään
+
+        // Kirjoita paras versio levylle
+        for (const [fn, content] of Object.entries(bestPassed >= 0 ? bestFiles : files)) {
+            const filePath = join(dir, fn);
+            mkdirSync(dirname(filePath), { recursive: true });
+            writeFileSync(filePath, content);
+        }
+        // fixRounds = vain testikorjaukset (cargo check -korjaukset erilliset vaihe 4:ssä)
+        result.fixRounds = testFixRounds;
     } catch (e) {
         result.error = e.message;
     }