eval: benchmark graph retrieval on real Li+ corpus

[lipluscodex]

Closes #9

実 D1 から read-only で取得した12 node / 26 edgeのconnected fixtureと、初回結果を見る前に固定した12件のgold queryを追加します。
同一入力でbaseline / graph、説明経路、feedback isolationを再生成し、H1/H3/H4支持・H2不支持という観測結果を閾値調整せず保存します。

[lipluscodex]

AI self-review

PR #10 head 5fbbcc8 を Issue #9 の acceptance criteria、commit順序、PR diff、固定result、production provenance、CIに対して確認し、PASSと判定した。

Acceptance criteria

• 実D1から12 wiki node / 26 mention edgeの弱連結fixtureをread-only取得: PASS
• direct_lookup / relation / negative_control各4件、計12件のgoldとsource URLを固定: PASS
• baseline / graphを同一corpus・encoder・queryで比較し、全体/cohort別MRR、Hit@3、rank deltaを出力: PASS
• one-hop 2件 / two-hop 2件のendpoint・edge type完全照合: PASS
• feedback前後のcredited / uncredited edgeと全case rankを比較: PASS
• 観測結果を支持 / 不支持 / 判定不能として固定し、不支持を隠さない: PASS
• benchmark結果をCI閾値へ合わせず、固定inputからの再生成一致として検証: PASS

Freeze / provenance audit

• commit befe245でfixture、gold、判定規則をresult追加前に固定
• commit 7b24977で初回resultを追加
• fixture SHA-256 b3b305aabb57803c2782c3998215e1cbcf9b5e6cdef0f641abc98520d4400cf9
• gold SHA-256 a10af7a1a4ec5f0ef66a228b05e14fe0160e4ff5f9b3209073f38fdb90028c71
• 再取得後もfixture / gold / resultは不変
• wiki-only captureと無関係だった#178のstale gapを5fbbcc8で除去し、known_gaps=[]へ修正

Observed result

• H1 supported: relation MRR 0.2583 -> 0.3833、3改善 / 0悪化
• H2 unsupported: negative control 2件悪化、MRR 1.0000 -> 0.7083
• H3 supported: explanation path 4/4一致
• H4 supported: credited edge 1本のみ1.0 -> 1.14、uncredited edge / non-target rank変更なし
• overall MRRは0.7528 -> 0.6972。graphが常にbaselineより良いという結論は支持しない

Verification

• Local: 25/25 tests PASS
• benchmark再生成: committed resultと一致
• GitHub CI run 30701752410: SUCCESS
• Merge state: CLEAN
• Diff check / worktree: clean

Scope deviation: なし。

Review partition:

• now: blockerなし
• later: H2不支持の一般的な改善検討をIssue #11として記録済み。固定goldへ過適合させず別versionで評価する
• accepted: D1は損失ありsnapshot、既定encoderはlearned embeddingではなく、本結果は固定Li+ subsetと現行MVPに限定する

Next step: squash mergeし、Closes #9でissueを自動closeする。