Test blind LLM channel selection

[lipluscodex]

Closes #21
凍結した二経路packet、blind judge response検証、3者majority集約、path射影、conditional holdout停止規則を追加します。
Developmentは3件目の必須case欠落をcapture段階で拒否し、retryや集約を行わずholdoutを未開封のまま停止した結果を保存します。
初回Linux CIで判明したCRLF/LF checkout差だけをraw-first alternate hashで許可し、観測artifactを不変に維持しました。全88 testがlocalで成功しています。

[lipluscodex]

Lin: 親エージェントの構造レビューを完了しました。

今回の判断

ブロッカーなし。blind LLM selection v2の陰性結果と停止規則を保存するPRとして承認します。judge選択精度の支持やsearch_channels()のvalidated判定は行いません。

今回確認した事項

• Issue #21、PR diff、3 commits、CIを独立照合
• result-free freeze 062c1314c1b63ee34b8963b980b2c51eb2c3e9a0にpacket、judge response、development / holdout resultが存在しない
• freeze後にdevelopment packetを一度生成し、fork_turns=noneのfresh 3 judgesへ同一packetを独立提示
• judge 1 / 2はcapture validationを通過し、judge 3は必須4 case中3 caseだけを返したためJudge must answer every packet case exactly onceで拒否
• retry、replacement judge、majority aggregation、accuracy / MRR計算を行っていない
• development resultは未評価gateを0値と誤解させず、not_evaluated_gatesとmetrics_status=not_computed_invalid_judge_responseで分離
• holdout packet生成はstop ruleでexit 1となり、holdout packet / judge / resultは存在しない
• manifest、prompt、packet、全judge artifact、development resultのSHA-256を再照合し、報告値と一致
• 初回Linux CIのCRLF/LF差に対するpost-freeze correctionはv1 text hash監査だけに限定され、raw hashを優先し、完全なLF/CRLF相互変換だけを許可
• portability correction後も観測artifact hashは不変で、本文差、mixed newline、bare CRを拒否する回帰testがある
• 88 tests、eval、CI、diff checkが成功し、worktree clean、remote SHA一致

観測結果

3人目のresponse completeness gateが不合格になったため、v2はcapture段階で停止しました。LLMの選択accuracy、channel accuracy、path accuracyを本実験の結果として主張する材料はありません。holdoutは未開封です。

後続課題

次版では複数case一括responseを1 case 1 invocationへ変更し、欠落を構造的に防ぐのが妥当です。また、同じ正解nodeが両laneに存在する場合にgold channelを一意固定すると、LLMへ委ねた選択をoracle classifierへ戻します。node evidence correctness、trace membership、relation intentを分離した新しい事前freeze評価が必要です。

今回固定する境界

既存search() / search_channels()、default、feedback規則は変更しません。v2はinvalid responseを再試行せず陰性結果として保存し、holdout未開封、validated表記なしを維持します。