docs(adr): ADR-0024 —— 第 8 条对照实验的判决量与结论边界（判决量改 last_candidate；P1 表述为「本形态下无发生机制」）

[ROM4n2]

概要

/dfs-grill 三透镜（产品体验 / 后端协议 / SRE）拷问「§4.3 第 8 条对照实验」后的结论归档。正式件在 vault（a1a74fe），本 PR 落仓内镜像 + work.log 裁决事件。用户拍板：Q1 按推荐（B+C）；Q2 知悉推荐为「不跑 N=20」，但另一 agent 已在执行。

为什么需要这个 ADR：判决量在两臂上恒等于 0

pilot 实测（N=5，15 局 / 145s / 2,944 token）：

臂	R_judge	R_uncovered(final)（原判决量）	R_uncovered(last_candidate)	rollback	轮数
A1 基线	0.000	0.000	0.950	1.000	1.00
A2 无信号	0.000	0.000	0.950	1.000	1.00
A3 现状	1.000	0.950	0.950	0.000	1.00

A1/A2 的 violations_of 恒返回同一条固定违规 ⇒ 任何候选 v = v_0 ⇒ v >= prev_v 必命中 ⇒ no_improvement ⇒ argmin 回退带错原文。所以 R_uncovered(A1) ≡ R_uncovered(A2) ≡ 0 是算术后果，不是测量结果（tests/test_bench_judge_gaming.py:895 自身即钉住 a2["R_uncovered"] == 0.0）。

后果：①「A1→A2 轮数效应」= 0 vs 0，零信息；② P2 的「A3 优于 A2」退化为「A3 > 0」；③ P1 宣称的「A2 是关键分辨器」分支不可达；④ A1 不等于「今日一次性润色」（它返回带错原文，而一次性润色返回模型候选）。

决策（ADR-0024）

1. 判决量改/并入 R_uncovered(last_candidate)（同一口径函数、只换记录面），并预注册阴性对照不变量 last_candidate(A2) ≈ last_candidate(A3)（两臂 prompt 逐位相同、裁判都不进 messages ⇒ 有差异只能来自采样噪声）。
2. 结论边界收窄：本形态下裁判信号只影响验收、不影响模型行为（三臂候选质量逐位相同 0.950）。P1 表述为「本形态下无发生机制」——不得写成「未发现 P1」，更不得据此宣称第 8 条已满足。
3. §4.3：维持用户 2026-10-15 签批的限定表述；新增第三分支「无法判别 ⇒ 归档为仪器不具判别力、禁令维持、禁止用『再加大 N』自我续命」。
4. 路线图解绑：「裁判结论回灌（verifier-in-the-loop）」设为无条件下一子计划（P1/P2 两种结局下都是同一笔代码）；实验结论只影响 ADR 措辞、不影响代码路线图。
5. 资产折旧登记：回灌一旦落地，本实验阈值与结论只对「准入式裁判」有效，必须重跑或明确分域。

机制事实（代码实测，ADR 的立论基础）

polish_loop 七个 messages.append 站点（工具列表 / Leitpunkte / 裁判异常 / 格式不合法 / 工具结果）没有一处回灌裁判 violations；会话无状态、权重冻结；模型唯一自查通道 writing_check 不带 nlp（delector/tools/writing_check.py:14）⇒ 语法族对它不可见。⇒ §4.3 被引用以禁言的那句（「模型会学会『通过检查』」）在本架构里没有发生机制。

给正在跑 N=20 的 agent（已写进 work.log 事件）

报告 MUST 按 ADR-0024 口径书写，并如实登记已知未决项：无 seed 且 temperature 未设未记（「同输入同输出」对 --real 是假陈述）· Token 成本走 ceil(len/3.0) 且只计 completion、不计 prompt（系数登记 UNVERIFIED）· 无逐篇落盘/续跑/重试/连通预检/成本硬闸 · rater 零执行入口却写进交付物清单。

下一子计划（回灌通道）的硬依赖

① 裁判 FP 必须先修完（3 类误报全在语法族，而 prose 分流下只有语法族被计数 ⇒ 误报回灌即变成「必须修」的指令；现成标定工具 tools/bench_judge_fp.py）；② 回灌内容 MUST 过同一道适用性闸与双限截断（否则散文被喂 a1_* 格式族违规、诱导模型加称呼语，撞 tests/test_server.py:6833 契约）；③ 三角一致性（循环裁判带 nlp / writing_check 不带 nlp / 回灌源）先于回灌；④ 阴性对照 MUST 在动产品之前先跑成基线。

本 PR 改动

• docs/adr/2026-10-16-adr-0024-gaming-control-experiment-verdict-metric.md（新增，vault 正式件镜像）
• WORKMEMORY/work.log（追加 DECISION 事件）