From f97e89f796725aa4261608e56ec9d9b7762a9154 Mon Sep 17 00:00:00 2001
From: kotama7 <kotamatakanori2@gmail.com>
Date: Fri, 12 Jun 2026 17:25:57 +0900
Subject: [PATCH 1/4] docs: research plan for Artifact-Summary Handoff ablation
 (context-bounded state transfer in branching code agents)

Adds ari-core/PLAN_artifact_summary_handoff.md: a research plan that
formalizes ARI's parent->child node state transfer (work_dir artifact
inheritance + structured node_report summaries) as a controllable
handoff policy, and designs an ablation study (code_only / summary_only
/ code_plus_summary / full_log / truncated_log / rolling / failure-only)
on CSR SpMV optimization with deterministic evaluation.

Section 0 pins a verified audit of the current implementation
(bfts_loop.py work_dir copy + _OUTPUT_BLACKLIST, node_report builder,
_format_parent_report_block planner injection, cost_trace.jsonl token
records) including seven divergences the plan must account for (no
linear search, no search_trace.jsonl, planner-vs-agent injection
surfaces, no memory-off switch, advisory-only node timeout, gitignored
experiments/, no overflow detection).

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
---
 ari-core/PLAN_artifact_summary_handoff.md | 310 ++++++++++++++++++++++
 1 file changed, 310 insertions(+)
 create mode 100644 ari-core/PLAN_artifact_summary_handoff.md

diff --git a/ari-core/PLAN_artifact_summary_handoff.md b/ari-core/PLAN_artifact_summary_handoff.md
new file mode 100644
index 00000000..b9dde3ee
--- /dev/null
+++ b/ari-core/PLAN_artifact_summary_handoff.md
@@ -0,0 +1,310 @@
+# PLAN: Artifact-Summary Handoff — 分岐型LLMコード生成におけるコンテキスト制約付き状態受け渡し
+
+Status: 研究計画（design 段階、未実装）。Origin: 2026-06-12 設計議論。
+削除条件: 本計画の Phase 1〜5（pilot 実験まで）が完了し、結果が論文ドラフトまたは
+後継 PLAN に転記された時点で本ファイルを削除する。
+
+英語題目: *Artifact-Summary Handoff for Context-Bounded Branching LLM Code Agents*
+
+---
+
+## 0. 実装現状の検証結果（2026-06-12、コードベース監査済み）
+
+本計画は ARI を reference implementation として用いる。計画の前提となる既存実装を
+検証した結果を先に固定する。**以降の節はこの検証結果を前提に読む。**
+
+### 0.1 計画の前提が実装と一致する点（検証済み）
+
+| 前提 | 実装 | 根拠 |
+|---|---|---|
+| per-node work directory | `PathManager.node_work_dir()` → `experiments/{run_id}/{node_id}/` | `ari/paths.py:175-181`, `ari/cli/bfts_loop.py:374-381` |
+| 親→子のコード成果物継承（結果ファイル除外） | `_run_loop()` 内の selective copy。`_OUTPUT_BLACKLIST`（results.csv, run.log, slurm-\*.out, stdout/stderr, \*.metrics.json, node_report.json 等）+ `PathManager.is_meta_file()` の2段除外 | `ari/cli/bfts_loop.py:382-445`（blacklist は :400-413） |
+| node_report.json の構造化レポート | `build_node_report()`/`write_node_report()`。`files_changed` / `delta_vs_parent` / `metrics` / `self_assessment` / `next_steps_hints` / `build_command` / `run_command` を含む（計7+24フィールド、JSON Schema あり） | `ari/orchestrator/node_report/builder.py:481-590`, `ari/schemas/node_report.schema.json` |
+| node_report の子への還流 | `_format_parent_report_block()` が親の delta_vs_parent / files_changed / concerns / next_steps_hints を抽出し **BFTS planner の expand プロンプト**に注入。`_PromptBudget` で各フィールドを文字数キャップ（delta 240 / concern 200 / hint 200 chars） | `ari/orchestrator/bfts.py:64-108, 629-633, 755` |
+| tree.json / cost_trace.jsonl | tree.json は `Node.to_dict()`（id, parent_id, children, depth, status, metrics）。cost_trace.jsonl は CallRecord（timestamp, **node_id**, phase, skill, model, **prompt_tokens**, completion_tokens, estimated_cost_usd, latency_ms）を per-call 記録 → 本計画のトークン系指標は追加実装なしで算出可能 | `ari/cli/bfts_loop.py:882-888`, `ari/cost_tracker.py:59-75` |
+| ReAct loop の予算 | `max_react_steps`（default 80, `ARI_MAX_REACT`）、`max_parallel_nodes`（default 4, `ARI_PARALLEL`）。会話は node ごとに完全分離（`messages` は `AgentLoop.run()` ローカル） | `ari/agent/loop.py:356-374, 617-620`, `ari/config/__init__.py:66-158, 429-471` |
+| 機能の段階 toggle | VirSci/idea・survey・paper・review・ORS・rubric 各 stage は workflow.yaml の pipeline stage `enabled` で off 可能 | `ari-core/config/workflow.yaml`, `ari/config/__init__.py`（ARIConfig, pydantic） |
+| deterministic evaluator の前例 | Evaluator Protocol（async `evaluate()` → `{score, reason, has_real_data, metrics}`）。node.metrics は evaluator 戻り値から populate され BFTS の選択に使われる | `ari/protocols/evaluator.py:19-40`, `ari/agent/loop.py`, `ari/orchestrator/node.py:98` |
+
+### 0.2 計画が実装と食い違う点（本計画で修正済みの認識）
+
+1. **linear refinement は存在しない。** 探索は BFTS のみ（`ari/orchestrator/bfts.py`、
+   リポジトリ唯一の探索クラス）。`frontier_score` の 4 variant
+   （scientific_only / scientific_plus_diversity / depth_penalized / ucb_like,
+   `ari/config/__init__.py:106-120`）は **LLM selector が解答不能な場合の
+   deterministic fallback のスコアリング**であり、探索方式の切替ではない
+   （一次選択は LLM-driven: `bfts.py:418-575`）。→ §13.5 の SearchPolicy は**新規実装**。
+2. **search_trace.jsonl は存在しない。** 既存は tree.json / cost_trace.jsonl /
+   memory_access.jsonl / lineage_decisions.jsonl。→ §13.9 から削除し、必要なら
+   handoff 実装時に新設する。
+3. **「親 summary が子に渡る」経路は2面に分かれており、子 agent 自身のプロンプトには
+   ほぼ何も入らない。** (a) node_report 由来 block は **planner の expand プロンプト**
+   （子の方向性を決める側）にのみ入る。(b) 子 agent の実行コンテキストに入るのは
+   ancestor memory 経由の `result_summary` エントリ（Tier-1b）と semantic 検索の
+   detail supplement（Tier-2, `loop.py:164-345`）のみで、子の最初の user message は
+   goal_text + node id/depth/label + 汎用 label 説明だけ（`loop.py:577-598`）。
+   → 提案する「structured node summary を**子 agent のプロンプトへ**注入する」のは
+   既存挙動の言い換えではなく**新規の handoff 面**である（§13.3）。
+4. **memory off は env 変数系で、完全 off スイッチは未実装。** バックエンド選択は
+   `ARI_MEMORY_BACKEND`（letta|in_memory）等。global memory は v0.6.0 で撤去済み。
+   さらに loop は**全 tool 実行結果を node-scoped memory に自動保存**し
+   （`loop.py:909-914`）、Tier-2 検索は type フィルタなしで ancestor の tool trace
+   断片を拾い得る。→ **code_only 条件を成立させるには Tier-1b/Tier-2 注入の明示的
+   off スイッチが必須**（§13.4 は新規実装、かつ無効化しないと条件が汚染される）。
+5. **timeout_per_node は現状プロンプト文言のみで実行時強制されていない**
+   （`bfts_loop.py:532-541` の TimeoutError 分岐は `as_completed` 後のため実質 dead
+   code）。→ §12.1 の実験統制として使う場合は強制実装を直すか、統制変数から外す。
+6. **experiments/ は gitignore 済み**（`.gitignore:31`）で、ランタイム出力
+   （`experiments/{run_id}/{node_id}`）と同居する。→ §13.6 のベンチマークハーネスは
+   tracked な場所に置く（`.gitignore` に例外を追加するか、ari-core 配下のテンプレート
+   ディレクトリから run 時に配布する）。
+7. **context overflow の明示的検出は存在しない。** 窓制御はヒューリスティック
+   （直近 50 msg、tool 結果 500 chars 超を圧縮、`_MAX_TOOL_OUTPUT=4000` 等）。
+   → §11.3 の context overflow rate は「cost_trace.jsonl の prompt_tokens がモデルの
+   コンテキスト上限を超えた・窓圧縮が発動した回数」として計測器を定義して測る。
+
+### 0.3 現状の de-facto handoff（= 本研究の出発点）
+
+ARI の現行デフォルトは、おおよそ
+**code（workdir copy） + planner 側 summary（node_report block） + memory 側 summary
+（ancestor result_summary + semantic supplement）** であり、本計画の用語では
+code_plus_summary の変種に相当する。本研究はこれを「実装上の工夫」から
+**制御可能な handoff policy** に抽出・定式化し、ablation で各成分の寄与を測る。
+
+---
+
+## 1. 研究概要
+
+LLM コード生成エージェントでは、実装→ビルド→実行→評価→修正の反復ループに加え、
+複数の改善方針を並行して試す分岐型探索（BFTS, MCTS, evolutionary search）が
+使われるようになっている。分岐型探索では**子ノードが親ノードの実験状態を何を介して
+継承するか**が本質的な設計問題になる。全対話履歴・全 tool trace・全ログを渡せば
+コンテキスト長が探索深度に比例して爆発し、何も渡さなければ失敗理由・改善方針・
+評価結果が失われて同じ失敗と重複試行が再発する。
+
+本研究は、親→子へ渡す状態を
+**code artifact state（実行可能なファイル群、work directory 経由）** と
+**operational summary state（実験状態の構造化要約、プロンプト経由）** に分解し、
+この2つだけを渡す **Artifact-Summary Handoff** を提案・評価する。要約対象は会話履歴
+ではなく**実験状態**（何を実装し、どのファイルが変わり、どのコマンドでビルド・実行し、
+どの指標が得られ、どの失敗が残り、次に何を試すべきか）である点が特徴である。
+
+主タスクは CSR SpMV 最適化とし、handoff 方式の違いが性能・正解性・トークン効率・
+失敗再発率・重複試行率に与える影響を統制実験で評価する。本会議投稿時には stencil /
+FFT / GEMM micro-kernel 等へ拡張する。
+
+## 2. 中心的主張
+
+分岐型 LLM コード生成では、親ノードの全対話履歴や全ログを子へ渡す必要はない。
+実行可能なコード成果物と構造化されたノード要約を渡せば、性能改善に必要な情報を
+十分に継承でき、かつ入力トークン数と最大コンテキスト長を探索深度から切り離せる。
+
+## 3. 比較する handoff 方式
+
+| mode | code (workdir) | summary (prompt) | log (prompt) | 備考 |
+|---|---|---|---|---|
+| code_only | ✓ | — | — | 実行可能状態のみ。memory 注入も off（§0.2-4） |
+| summary_only | — | ✓ | — | 要約のみで状態継承できるか |
+| **code_plus_summary（提案）** | ✓ | ✓（structured） | — | |
+| code_plus_full_log | ✓ | — | ✓（tool trace / stdout / stderr / 評価理由を可能な限り） | 情報量上限 baseline。親の結果**ファイル**は workdir へコピーしない（ログは prompt のみ） |
+| code_plus_truncated_log | ✓ | — | ✓（固定 token / tail truncation） | full_log の現実版 |
+| rolling_summary | ✓ | ✓（自然言語逐次要約） | — | 一般的 conversation summary との差を測る |
+| failure_only_summary | ✓ | ✓（known_failures のみ） | — | 失敗情報だけの寄与を測る |
+
+## 4. Summary schema ablation
+
+structured node summary のどの要素が効くかを分離する:
+full / −metrics / −known_failures / −next_steps / −delta_vs_parent / −changed_files /
+−build·run_command / 自然言語版 vs structured JSON 版 / LLM 生成 vs 決定論的抽出。
+
+## 5. 実験対象タスク
+
+主タスク: **CSR SpMV 最適化**（y = Ax）。最適化方針の探索余地が広く
+（OpenMP scheduling, row-length bucketing, SELL-C-σ, blocked CSR, unrolling,
+prefetch, locality, load balance）、行列ファミリ
+（uniform random / banded / power-law / block / diagonal-dominant / skewed、
+必要に応じ SuiteSparse）で条件を変えられる。リポジトリには CSR SpMM の既存
+checkpoint・metric_contract の運用実績があり（§0.1）、評価系の土地勘がある。
+
+拡張タスク候補: stencil, FFT kernel, GEMM micro-kernel, graph BFS/PageRank,
+JSON parser, compression kernel。本会議版では最低3タスク。
+
+## 6. 評価指標
+
+- **主性能**: best valid geomean speedup @ N nodes。valid = compile + run +
+  correctness（相対誤差閾値、**OpenMP reduction の FP 順序差を許容する ε を明記**）+
+  no timeout + 全行列 benchmark 完了 + protocol violation なし。invalid は score 0。
+- **探索効率**: AUC of best-so-far, first valid node index, valid node rate,
+  compile/correctness rate, token-normalized score。
+- **コンテキスト効率（中心指標）**: mean/max input tokens per node, cumulative input
+  tokens, context growth rate vs depth, context overflow rate（§0.2-7 の定義）,
+  summary compression ratio, selector token cost, LLM call 数, wall-clock。
+  いずれも cost_trace.jsonl（prompt_tokens, node_id per call）から算出可能（§0.1）。
+- **handoff 品質**: useful inheritance rate, parent code modification rate,
+  from-scratch rewrite rate, repeated failure/strategy rate, stale-result reuse rate,
+  parent result misuse rate, duplicate attempt rate。
+- **failure recurrence**: 同一コンパイルエラー / 正解性エラー / protocol violation /
+  性能劣化要因 / 無効方針 / 親結果ファイル誤用の再発分析。
+
+## 7. 実験条件
+
+### 7.1 主実験
+探索を BFTS に固定し handoff のみ変更。固定: 初期 experiment.md・初期コード・
+harness・LLM model・temperature・executed node 数・max ReAct steps・parallelism・
+deterministic evaluator。token 数は固定しない（input token 削減自体が評価対象）。
+timeout per node は §0.2-5 の通り現状非強制のため、強制実装を入れるか統制から外すかを
+Phase 1 で決める。
+
+**選択分散の統制**: BFTS の一次ノード選択は LLM-driven（§0.2-1）であり handoff 比較の
+ノイズ源になるため、主実験では deterministic fallback selector
+（`frontier_score: scientific_only` 相当）を**一次選択として使う option を新設**し、
+LLM selector は副実験で扱う。
+
+### 7.2 補助実験
+1. **token budget 固定比較**: 同一トークン予算内で各方式が実行できた有効ノード数。
+2. **探索方式比較**: handoff を code_plus_summary に固定し、BFTS vs
+   linear refinement（**新規実装**、§13.5）。
+3. **複数モデル**: GPT 系 / Claude 系 / Gemini 系 / open-weight code model で再現性確認。
+
+### 7.3 無効化する ARI 機能（主実験）
+VirSci/idea, arXiv survey, Letta/ancestor memory 注入（§0.2-4 の新規 off スイッチ）,
+paper, review, ORS, rubric-derived axes, LLM-judge 最終評価。
+理由: handoff 効果を外部記憶・文献・仮説生成・論文生成の効果から分離するため。
+
+## 8. ARI への実装計画
+
+### 8.1 HandoffConfig（新規）
+`ari/config/__init__.py` の ARIConfig（pydantic）に追加し、`apply_bfts_env_overrides`
+と同型の env override を付ける。
+
+```yaml
+handoff:
+  mode: code_plus_summary   # code_only | summary_only | code_plus_summary |
+                            # code_plus_full_log | code_plus_truncated_log |
+                            # rolling_summary | failure_only_summary
+  summary_max_tokens: 800
+  summary_schema: structured_json   # | natural_language
+  summary_source: deterministic     # | llm
+  include_parent_outputs: false
+  inject_into: [agent]              # agent | planner | both（§0.2-3 の2面を明示制御）
+  memory_injection: off             # Tier-1b/Tier-2 注入の明示スイッチ（新規）
+```
+
+### 8.2 node_summary_view（新規）
+node_report.json（§0.1 で全フィールド存在確認済み）から子へ渡す短い view を生成:
+
+```json
+{
+  "node_id": "...", "parent_id": "...", "label": "...",
+  "valid": true, "objective_score": 2.31,
+  "changed_files": ["spmv.c", "run.sh"],
+  "delta_vs_parent": "...",
+  "build_command": "make", "run_command": "./bench",
+  "key_metrics": {"valid_geomean_speedup": 2.31, "max_relative_error": 1e-7},
+  "known_failures": ["dynamic scheduling degraded banded matrices"],
+  "next_steps": ["try row-length bucketing for skewed matrices"]
+}
+```
+
+既存の `_PromptBudget`（§0.1）が planner 側 block の文字数キャップとして同思想の
+先行実装になっており、これを handoff 全面に一般化する。
+
+### 8.3 注入面の配線（§0.2-3 が根拠）
+- **agent 面（新規）**: `AgentLoop.run()` の最初の user message
+  （`loop.py:577-598`）に mode に応じて node_summary_view / log block を注入。
+- **planner 面（既存改修）**: `_format_parent_report_block()`（`bfts.py:64-108`）を
+  HandoffConfig 配下に置き、mode で on/off。
+- **workdir 面（既存）**: `bfts_loop.py:382-445` の copy + `_OUTPUT_BLACKLIST` を
+  mode（code を含むか）で on/off。
+- full_log / truncated_log は cost をかけず node の transcript / tool trace 保存から
+  構成する（結果ファイルは workdir へコピーしない）。
+
+### 8.4 memory 注入の明示 off（新規）
+`build_working_context_messages()`（`loop.py:164-345`）の Tier-1b / Tier-2 を
+`handoff.memory_injection` で制御。off にしないと tool trace が memory 経由で
+子に漏れ、code_only 条件が成立しない（§0.2-4）。
+
+### 8.5 SearchPolicy（新規）
+`bfts`（現状）に加え `linear_latest` / `linear_best` を新規実装。
+`bfts_score_only` は「LLM selector を使わず `_fallback_score` を一次選択にする」
+mode として実装（§7.1 の統制にも使う）。
+
+### 8.6 SpMV harness（tracked な置き場所に、§0.2-6）
+`experiments/handoff_spmv/` 相当を tracked 化（`.gitignore` 例外 or ari-core 配下の
+テンプレート + run 時配布）。内容: experiment.md, baseline_spmv.c, candidate_spmv.c,
+Makefile, run_candidate.sh, matrix_generators.py, benchmark.py, evaluate_node.py,
+README.md。**LLM が編集してよいファイルと benchmark/evaluator（編集禁止）を分離**し、
+編集禁止側は checksum で protocol violation を検出する。
+
+### 8.7 deterministic evaluator（新規、Protocol 準拠）
+`ari/protocols/evaluator.py` の Evaluator Protocol に準拠（§0.1）。出力例:
+
+```json
+{"valid": true, "score": 2.41, "metric_name": "valid_geomean_speedup",
+ "compile_success": true, "correctness_pass": true, "max_relative_error": 3.2e-7,
+ "timeout": false,
+ "speedups": {"uniform": 1.9, "banded": 2.7, "powerlaw": 2.2, "block": 2.9}}
+```
+
+### 8.8 実行・集計スクリプト
+- `scripts/run_handoff_ablation.py`: mode 切替 / 複数 seed / node・step budget 固定 /
+  不要機能 off / checkpoint path 整理（`workspace/checkpoints/<ts>_<slug>/` 規約）。
+- `scripts/analyze_handoff_ablation.py`: tree.json, cost_trace.jsonl,
+  node_report.json, results.json, evaluator 出力を読み、§6 の全指標 + bootstrap CI を
+  集計（search_trace.jsonl は存在しないため対象外、必要なら handoff_trace.jsonl を新設）。
+
+## 9. Research Questions
+
+- **RQ1**: Artifact-Summary Handoff は full log handoff と同等の性能
+  （best valid geomean speedup, AUC, valid node rate）を維持できるか。
+- **RQ2**: 入力トークン数と最大コンテキスト長（cumulative/mean/max input tokens,
+  context growth rate, overflow rate）を削減できるか。
+- **RQ3**: code only では失敗再発・重複試行（failure recurrence, duplicate attempt,
+  repeated strategy, invalid node rate）が増えるか。
+- **RQ4**: structured summary のどの要素が寄与するか（field ablation による
+  performance drop / token reduction / failure recurrence increase）。
+- **RQ5**: 効果は探索方式・タスク・モデル・seed を超えて再現するか。
+
+## 10. 投稿戦略
+
+HPC SpMV 論文ではなく LLM code agent / automated software engineering の論文として
+投稿する。初期: ASE/ICSE workshop, MLSys workshop, LLM for HPC workshop。
+本会議: ASE Research Track（最有力）, ICSE, MLSys, OOPSLA。
+ジャーナル: ASE Journal, TOSEM, TSE, TMLR。
+
+**Related work の必須差別化**（reviewer リスク対策）: AIDE（tree search +
+journal/summary 継承）、SWE-agent / OpenHands の context condensation、
+MLE-bench 系 agent、agent workflow memory。差別化軸は「handoff 方式そのものを
+独立変数として統制 ablation し、operational state の要素別寄与を測る初の
+empirical study」であり、特定手法の提案勝負にしない。
+
+## 11. スケジュール
+
+- **Phase 1 設計**: §0 の食い違い7点の解消方針確定（timeout 強制、harness 置き場所、
+  memory off スイッチ、handoff_trace 要否）、HandoffConfig schema 確定。
+- **Phase 2 最小実装**: HandoffConfig / node_summary_view / agent 面注入 /
+  memory off / code_only・code_plus_summary・code_plus_full_log。
+- **Phase 3 SpMV harness**: baseline 実装、matrix generator、correctness checker
+  （ε 設計込み）、timing harness、results.json schema、編集禁止ファイルの checksum。
+- **Phase 4 evaluator**: Protocol 準拠 deterministic evaluator、node.metrics 保存。
+- **Phase 5 pilot**: code_only / code_plus_summary / code_plus_full_log /
+  code_plus_truncated_log の小規模比較（deterministic selector、複数 seed 最小構成）。
+- **Phase 6 本実験**: 全 mode、summary ablation、token budget 固定、複数 seed。
+- **Phase 7 拡張**: linear refinement 実装比較、追加タスク、複数モデル。
+- **Phase 8 論文化**: related work、RQ 別結果、qualitative failure analysis、
+  threats to validity、replication package。
+
+## 12. リスクと対策
+
+1. **ARI 固有の engineering に見える** → state transfer model として抽象化し、ARI は
+   reference implementation と位置づける。
+2. **SpMV 単一タスクに見える** → 行列ファミリ多様化 + 追加タスク（Phase 7）。
+3. **full log baseline が弱い** → truncated / rolling / failure-only / retrieval
+   baseline を併設。
+4. **structured summary の設計が恣意的** → field ablation（§4）で要素別寄与を示す。
+5. **LLM の偶然性** → 複数 seed、bootstrap CI、paired comparison、per-task breakdown、
+   deterministic selector（§7.1）で選択分散を遮断。
+6. **LLM Judge 依存に見える** → 主評価は deterministic evaluator のみ。LLM Judge は
+   主評価から除外。
+7. **先行研究（AIDE 等）との近接** → §10 の差別化軸で統制 empirical study として
+   位置づける。

From f179b7f98ac69c0d454960e4ecb8dee2e702a0b7 Mon Sep 17 00:00:00 2001
From: kotama7 <kotamatakanori2@gmail.com>
Date: Sun, 14 Jun 2026 03:12:37 +0900
Subject: [PATCH 2/4] docs: reframe handoff plan + per-subtask implementation
 plans
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

Update PLAN_artifact_summary_handoff.md to the controlled artifact/history
study (RQ-A scaffold; RQ-B field-level content; RQ-C cross-node transfer;
RQ-D capability x handoff), and fix the §0.2 premises that block a clean
comparison: B1 memory third-channel, B2 deterministic evaluator drives
selection, B3 exogenize the LLM-self-determined metric contract, plus
sterile-gate asymmetry, dead timeout, full_log overflow, seed/digest.

Add MASTER_PLAN_handoff_impl.md (dependency DAG, critical path, MVP cut)
and a per-subtask Plan.md under each affected directory. Each Plan.md
records its inter-plan dependencies and deletion requirements. Per-dir
README Contents indexes synced for the new files.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
---
 ari-core/MASTER_PLAN_handoff_impl.md      |  47 +++
 ari-core/PLAN_artifact_summary_handoff.md | 364 +++++-----------------
 ari-core/ari/README.md                    |   6 +
 ari-core/ari/agent/Plan.md                |  23 ++
 ari-core/ari/agent/README.md              |   1 +
 ari-core/ari/cli/Plan.md                  |  21 ++
 ari-core/ari/cli/README.md                |   1 +
 ari-core/ari/config/Plan.md               |  23 ++
 ari-core/ari/config/README.md             |   1 +
 ari-core/ari/evaluator/Plan.md            |  22 ++
 ari-core/ari/evaluator/README.md          |   1 +
 ari-core/ari/llm/Plan.md                  |  25 ++
 ari-core/ari/llm/README.md                |   1 +
 ari-core/ari/orchestrator/Plan.md         |  21 ++
 ari-core/ari/orchestrator/README.md       |   1 +
 scripts/Plan.md                           |  27 ++
 scripts/README.md                         |   1 +
 17 files changed, 297 insertions(+), 289 deletions(-)
 create mode 100644 ari-core/MASTER_PLAN_handoff_impl.md
 create mode 100644 ari-core/ari/agent/Plan.md
 create mode 100644 ari-core/ari/cli/Plan.md
 create mode 100644 ari-core/ari/config/Plan.md
 create mode 100644 ari-core/ari/evaluator/Plan.md
 create mode 100644 ari-core/ari/llm/Plan.md
 create mode 100644 ari-core/ari/orchestrator/Plan.md
 create mode 100644 scripts/Plan.md

diff --git a/ari-core/MASTER_PLAN_handoff_impl.md b/ari-core/MASTER_PLAN_handoff_impl.md
new file mode 100644
index 00000000..e3c00cd3
--- /dev/null
+++ b/ari-core/MASTER_PLAN_handoff_impl.md
@@ -0,0 +1,47 @@
+# MASTER PLAN — Artifact/History Handoff 統制研究の実装マスター
+
+Status: 実装マスター計画（未実装）。Origin: 2026-06 設計議論＋コードベース監査＋関連研究調査。
+研究計画（why/what）: [`PLAN_artifact_summary_handoff.md`](PLAN_artifact_summary_handoff.md)。本書は how/order（依存 DAG・クリティカルパス・削除要件・subtask 索引）。
+
+## 削除要件
+配下の全 subtask Plan.md が削除要件を満たして削除され（全 subtask が main に land＋実機検証）、結果が論文ドラフトまたは後継 PLAN に転記された時点で本マスターと研究計画を削除する。
+
+## 原則
+1. 測定は evaluator が独占所有（agent は固定シグネチャ kernel のみ提供）。
+2. 評価契約は実験者が固定し全アーム・全モデルで同一（B3）。
+3. 各 handoff チャネルは per-arm で明示 gate。
+4. 機械情報（host/partition/port/path）は tracked artifact・commit に一切入れない（最優先規約）。
+
+## Subtask 索引と依存 DAG
+| subtask | Plan.md | 主担当 | 上流依存 |
+|---|---|---|---|
+| B2 deterministic evaluator＋測定器 | [`ari/evaluator/Plan.md`](ari/evaluator/Plan.md) | evaluator | （根） |
+| G1 HandoffConfig | [`ari/config/Plan.md`](ari/config/Plan.md) | config | （根） |
+| ローカル決定性(seed/digest) | [`ari/llm/Plan.md`](ari/llm/Plan.md) | llm | （根） |
+| B1 memory gate / B3 契約凍結 / G4 注入 | [`ari/agent/Plan.md`](ari/agent/Plan.md) | agent | config, evaluator, orchestrator |
+| G3 node_summary_view / G9a selector | [`ari/orchestrator/Plan.md`](ari/orchestrator/Plan.md) | orchestrator | config, evaluator |
+| G5 copy / G7 sterile / G12 timeout・overflow | [`ari/cli/Plan.md`](ari/cli/Plan.md) | cli | config |
+| ハーネス / run・analyze / scrub / cost | [`../scripts/Plan.md`](../scripts/Plan.md) | scripts | 上記すべて |
+
+依存の要点: **B2 → B3 → B1 が背骨**。B2 で採点固定 → B3 で契約外生化（しないと B2 が `agent/loop.py:1190` で上書きされる）→ B1 で memory 第3経路を gate（しないと全アームが state 共有）。
+
+## クリティカルパス（ビルド順）
+- **Stage 0（コード前）**: タスク確定（SpMV/SpMM、既存 fixture は全 SpMM）／事前登録 doc 凍結（ε・C／`_scientific_score` 正規化／invalid floor／N／failure codebook／単一 primary 対比／H-B・H-C・H-D の向き／model 水準）／seed kernel 固定／pilot 予約（qwen3:8b validity floor・最大サイズ infra 適合）。
+- **Stage 1**: B2＋測定器（evaluator）／B3 契約凍結（agent）／G1 HandoffConfig（config）／ローカル決定性（llm）。
+- **Stage 2**: B1 memory gate／G4 注入（agent）／G3 node_summary_view（orchestrator）／G5・G7・G12（cli）／side-channel 凍結。
+- **Stage 3**: G9a deterministic selector（orchestrator）。
+- **Stage 4**: tracked ハーネス／run・analyze スクリプト／instrumentation／収集時スクラブ／cost ゲート（scripts）。
+- **Stage 5**: 推論（run 単位 cluster bootstrap・TOST・多重性・log 効果量・RQ-D 交差検定）・図表。
+
+## MVP カット（Phase A／workshop 級）
+Stage 0 全部 ＋ Stage 1 全部 ＋ Stage 2 の B1・G3・G4・G5・G7 ＋ Stage 3 G9a ＋ Stage 4 の tracked ハーネス・run/analyze・scrub・instrumentation 最小。
+これで **3 アーム（code_only / code_plus_summary / code_plus_full_log）×1 タスク×ローカル large×deterministic selector** を、契約固定・memory off・選択決定・valid 定義ありで回せる。落としてよい: linear search、memory topology ノブ、capability 勾配（RQ-D）、aide_journal、dosage、overflow 精緻化。
+
+## 完了ログ（land 時に追記）
+- [ ] B2 / 測定器 — land __ / 実機 gate __
+- [ ] G1 HandoffConfig — land __ / gate __
+- [ ] ローカル決定性 — land __ / gate __
+- [ ] B1 / B3 / G4 — land __ / 実機 gate __
+- [ ] G3 / G9a — land __ / 実機 gate __
+- [ ] G5 / G7 / G12 — land __ / 実機 gate __
+- [ ] ハーネス / scripts / scrub — land __ / 実機 gate __
diff --git a/ari-core/PLAN_artifact_summary_handoff.md b/ari-core/PLAN_artifact_summary_handoff.md
index b9dde3ee..97b756c8 100644
--- a/ari-core/PLAN_artifact_summary_handoff.md
+++ b/ari-core/PLAN_artifact_summary_handoff.md
@@ -1,310 +1,96 @@
-# PLAN: Artifact-Summary Handoff — 分岐型LLMコード生成におけるコンテキスト制約付き状態受け渡し
+# PLAN: What Should Branching LLM Code Agents Inherit? — Artifact / History Handoff の統制研究
 
-Status: 研究計画（design 段階、未実装）。Origin: 2026-06-12 設計議論。
-削除条件: 本計画の Phase 1〜5（pilot 実験まで）が完了し、結果が論文ドラフトまたは
-後継 PLAN に転記された時点で本ファイルを削除する。
-
-英語題目: *Artifact-Summary Handoff for Context-Bounded Branching LLM Code Agents*
+Status: 研究計画（design 段階・未実装）。Origin: 2026-06 設計議論＋コードベース監査＋関連研究調査。
+削除条件: Phase A〜C（MVP pilot まで）完了し、結果が論文ドラフトまたは後継 PLAN に転記された時点で本ファイルを削除する。
+実装マスター: [`MASTER_PLAN_handoff_impl.md`](MASTER_PLAN_handoff_impl.md)（how/order と subtask Plan.md 索引）。
+英語題目: **What Should Branching LLM Code Agents Inherit? A Controlled Study of Artifact and History Handoff**
 
 ---
 
-## 0. 実装現状の検証結果（2026-06-12、コードベース監査済み）
-
-本計画は ARI を reference implementation として用いる。計画の前提となる既存実装を
-検証した結果を先に固定する。**以降の節はこの検証結果を前提に読む。**
-
-### 0.1 計画の前提が実装と一致する点（検証済み）
-
-| 前提 | 実装 | 根拠 |
-|---|---|---|
-| per-node work directory | `PathManager.node_work_dir()` → `experiments/{run_id}/{node_id}/` | `ari/paths.py:175-181`, `ari/cli/bfts_loop.py:374-381` |
-| 親→子のコード成果物継承（結果ファイル除外） | `_run_loop()` 内の selective copy。`_OUTPUT_BLACKLIST`（results.csv, run.log, slurm-\*.out, stdout/stderr, \*.metrics.json, node_report.json 等）+ `PathManager.is_meta_file()` の2段除外 | `ari/cli/bfts_loop.py:382-445`（blacklist は :400-413） |
-| node_report.json の構造化レポート | `build_node_report()`/`write_node_report()`。`files_changed` / `delta_vs_parent` / `metrics` / `self_assessment` / `next_steps_hints` / `build_command` / `run_command` を含む（計7+24フィールド、JSON Schema あり） | `ari/orchestrator/node_report/builder.py:481-590`, `ari/schemas/node_report.schema.json` |
-| node_report の子への還流 | `_format_parent_report_block()` が親の delta_vs_parent / files_changed / concerns / next_steps_hints を抽出し **BFTS planner の expand プロンプト**に注入。`_PromptBudget` で各フィールドを文字数キャップ（delta 240 / concern 200 / hint 200 chars） | `ari/orchestrator/bfts.py:64-108, 629-633, 755` |
-| tree.json / cost_trace.jsonl | tree.json は `Node.to_dict()`（id, parent_id, children, depth, status, metrics）。cost_trace.jsonl は CallRecord（timestamp, **node_id**, phase, skill, model, **prompt_tokens**, completion_tokens, estimated_cost_usd, latency_ms）を per-call 記録 → 本計画のトークン系指標は追加実装なしで算出可能 | `ari/cli/bfts_loop.py:882-888`, `ari/cost_tracker.py:59-75` |
-| ReAct loop の予算 | `max_react_steps`（default 80, `ARI_MAX_REACT`）、`max_parallel_nodes`（default 4, `ARI_PARALLEL`）。会話は node ごとに完全分離（`messages` は `AgentLoop.run()` ローカル） | `ari/agent/loop.py:356-374, 617-620`, `ari/config/__init__.py:66-158, 429-471` |
-| 機能の段階 toggle | VirSci/idea・survey・paper・review・ORS・rubric 各 stage は workflow.yaml の pipeline stage `enabled` で off 可能 | `ari-core/config/workflow.yaml`, `ari/config/__init__.py`（ARIConfig, pydantic） |
-| deterministic evaluator の前例 | Evaluator Protocol（async `evaluate()` → `{score, reason, has_real_data, metrics}`）。node.metrics は evaluator 戻り値から populate され BFTS の選択に使われる | `ari/protocols/evaluator.py:19-40`, `ari/agent/loop.py`, `ari/orchestrator/node.py:98` |
-
-### 0.2 計画が実装と食い違う点（本計画で修正済みの認識）
-
-1. **linear refinement は存在しない。** 探索は BFTS のみ（`ari/orchestrator/bfts.py`、
-   リポジトリ唯一の探索クラス）。`frontier_score` の 4 variant
-   （scientific_only / scientific_plus_diversity / depth_penalized / ucb_like,
-   `ari/config/__init__.py:106-120`）は **LLM selector が解答不能な場合の
-   deterministic fallback のスコアリング**であり、探索方式の切替ではない
-   （一次選択は LLM-driven: `bfts.py:418-575`）。→ §13.5 の SearchPolicy は**新規実装**。
-2. **search_trace.jsonl は存在しない。** 既存は tree.json / cost_trace.jsonl /
-   memory_access.jsonl / lineage_decisions.jsonl。→ §13.9 から削除し、必要なら
-   handoff 実装時に新設する。
-3. **「親 summary が子に渡る」経路は2面に分かれており、子 agent 自身のプロンプトには
-   ほぼ何も入らない。** (a) node_report 由来 block は **planner の expand プロンプト**
-   （子の方向性を決める側）にのみ入る。(b) 子 agent の実行コンテキストに入るのは
-   ancestor memory 経由の `result_summary` エントリ（Tier-1b）と semantic 検索の
-   detail supplement（Tier-2, `loop.py:164-345`）のみで、子の最初の user message は
-   goal_text + node id/depth/label + 汎用 label 説明だけ（`loop.py:577-598`）。
-   → 提案する「structured node summary を**子 agent のプロンプトへ**注入する」のは
-   既存挙動の言い換えではなく**新規の handoff 面**である（§13.3）。
-4. **memory off は env 変数系で、完全 off スイッチは未実装。** バックエンド選択は
-   `ARI_MEMORY_BACKEND`（letta|in_memory）等。global memory は v0.6.0 で撤去済み。
-   さらに loop は**全 tool 実行結果を node-scoped memory に自動保存**し
-   （`loop.py:909-914`）、Tier-2 検索は type フィルタなしで ancestor の tool trace
-   断片を拾い得る。→ **code_only 条件を成立させるには Tier-1b/Tier-2 注入の明示的
-   off スイッチが必須**（§13.4 は新規実装、かつ無効化しないと条件が汚染される）。
-5. **timeout_per_node は現状プロンプト文言のみで実行時強制されていない**
-   （`bfts_loop.py:532-541` の TimeoutError 分岐は `as_completed` 後のため実質 dead
-   code）。→ §12.1 の実験統制として使う場合は強制実装を直すか、統制変数から外す。
-6. **experiments/ は gitignore 済み**（`.gitignore:31`）で、ランタイム出力
-   （`experiments/{run_id}/{node_id}`）と同居する。→ §13.6 のベンチマークハーネスは
-   tracked な場所に置く（`.gitignore` に例外を追加するか、ari-core 配下のテンプレート
-   ディレクトリから run 時に配布する）。
-7. **context overflow の明示的検出は存在しない。** 窓制御はヒューリスティック
-   （直近 50 msg、tool 結果 500 chars 超を圧縮、`_MAX_TOOL_OUTPUT=4000` 等）。
-   → §11.3 の context overflow rate は「cost_trace.jsonl の prompt_tokens がモデルの
-   コンテキスト上限を超えた・窓圧縮が発動した回数」として計測器を定義して測る。
-
-### 0.3 現状の de-facto handoff（= 本研究の出発点）
-
-ARI の現行デフォルトは、おおよそ
-**code（workdir copy） + planner 側 summary（node_report block） + memory 側 summary
-（ancestor result_summary + semantic supplement）** であり、本計画の用語では
-code_plus_summary の変種に相当する。本研究はこれを「実装上の工夫」から
-**制御可能な handoff policy** に抽出・定式化し、ablation で各成分の寄与を測る。
+## 0. 実装現状（監査済, paths=`ari-core/ari/`）
+
+以降は本検証を前提に読む。**0.2 は論文の前に必ず塞ぐ穴**で、塞がない限り統制比較は成立しない。各項目の実装計画は [`MASTER_PLAN_handoff_impl.md`](MASTER_PLAN_handoff_impl.md) と各 dir の `Plan.md` を参照。
+
+### 0.1 流用可能な土台（検証済）
+| 前提 | 実装 |
+|---|---|
+| per-node work_dir = `experiments/{run_id}/{node_id}/` | `paths.py:175-181`, `cli/bfts_loop.py:373-381` |
+| 親→子 code 継承＋結果除外（2段） | `_OUTPUT_BLACKLIST`＋`is_meta_file()`, `cli/bfts_loop.py:398-445` |
+| node_report.json（31 prop） | `orchestrator/node_report/builder.py:551-586` |
+| cost_trace.jsonl（per-call node_id+prompt_tokens） | `cost_tracker.py` |
+| 評価信号 `node.metrics["_scientific_score"]` | `orchestrator/bfts.py:336` 他、生成 `evaluator/llm_evaluator.py:662,713` |
+| ancestor-scoped memory（Tier-1b/2） | `agent/loop.py:295-353`, scope 強制 `in_memory.py:101-106` |
+| ローカル backend 既定（ollama, qwen3:8b/32b） | `config/__init__.py:581-582` |
+
+### 0.2 先に塞ぐ食い違い（＝統制比較の前提条件）
+1. **B1 第3 handoff 経路**: Tier-1a（`loop.py:193-216`）＋Tier-1c（metric-contract obligation＋`build_coverage_status`, `loop.py:218-290`）が ancestor ガード（`loop.py:292`）より前で無条件発火、`_PINNED_USER_MARKERS`（`loop.py:766-775`）で window を生存。塞がないと全アームが operational state を共有。→ [`ari/agent/Plan.md`](ari/agent/Plan.md)。
+2. **B2 evaluator が選択を回せない**: `node.metrics = eval_result["metrics"]`（`loop.py:1461`）で `metrics._scientific_score` 不在なら全ノード 0.0。evaluator は `core.py:195` ハードコード、loop は Protocol 外 `evaluate_sync`。→ [`ari/evaluator/Plan.md`](ari/evaluator/Plan.md)。
+3. **B3 契約が LLM 自己決定・run/model 依存**: `make_metric_spec`（core/pinned ツール, `workflow.py:172`/`loop.py:719`）が evaluator の metric_spec を実行時に上書き（`loop.py:1162-1196`）し、per-run 契約を `metric_contract.json` に書き Tier-1c で全子孫に注入。契約が条件ごとに変わると capability×handoff が capability×自己生成契約品質と交絡。→ 固定契約の外生化が必須。[`ari/agent/Plan.md`](ari/agent/Plan.md)。
+4. **sterile-gate の意味反転**: `compute_files_changed(parent,child)` 無条件 clamp（`cli/bfts_loop.py:631-656`）。copy-OFF では子 dir 空→全 deleted→sterile にならない。→ [`ari/cli/Plan.md`](ari/cli/Plan.md)。
+5. **timeout dead code**（`cli/bfts_loop.py:532-541`）／**full_log overflow 検出なし**で窓圧縮が黙って truncated 化（`loop.py:725,803-804`）。→ [`ari/cli/Plan.md`](ari/cli/Plan.md)。
+6. **バックエンド非決定性**: seed 不渡し（`client.py:180`）、gpt-5* は temp drop（`client.py:130`）。ローカルは seed plumb で再現性が立つ。→ [`ari/llm/Plan.md`](ari/llm/Plan.md)。
+7. 既存 fixture は全 SpMM（Y=AX）。タスクは Stage 0 で確定。
+8. harness が gitignore 全体無視（`.gitignore:31-37`）→ force-negate 必須。→ [`../scripts/Plan.md`](../scripts/Plan.md)。
+9. `search_trace.jsonl` 不在／`memory_access.jsonl` は取得テキスト非記録。
+
+### 0.3 de-facto handoff（出発点）
+ARI 既定は code（workdir copy）＋ planner 側 summary（`bfts.py:64-108`）＋ memory 側（Tier-1a/1b/1c/2）の混合。本研究はこれを制御可能な handoff policy に分解・統制比較する。
 
 ---
 
-## 1. 研究概要
-
-LLM コード生成エージェントでは、実装→ビルド→実行→評価→修正の反復ループに加え、
-複数の改善方針を並行して試す分岐型探索（BFTS, MCTS, evolutionary search）が
-使われるようになっている。分岐型探索では**子ノードが親ノードの実験状態を何を介して
-継承するか**が本質的な設計問題になる。全対話履歴・全 tool trace・全ログを渡せば
-コンテキスト長が探索深度に比例して爆発し、何も渡さなければ失敗理由・改善方針・
-評価結果が失われて同じ失敗と重複試行が再発する。
-
-本研究は、親→子へ渡す状態を
-**code artifact state（実行可能なファイル群、work directory 経由）** と
-**operational summary state（実験状態の構造化要約、プロンプト経由）** に分解し、
-この2つだけを渡す **Artifact-Summary Handoff** を提案・評価する。要約対象は会話履歴
-ではなく**実験状態**（何を実装し、どのファイルが変わり、どのコマンドでビルド・実行し、
-どの指標が得られ、どの失敗が残り、次に何を試すべきか）である点が特徴である。
-
-主タスクは CSR SpMV 最適化とし、handoff 方式の違いが性能・正解性・トークン効率・
-失敗再発率・重複試行率に与える影響を統制実験で評価する。本会議投稿時には stencil /
-FFT / GEMM micro-kernel 等へ拡張する。
-
-## 2. 中心的主張
-
-分岐型 LLM コード生成では、親ノードの全対話履歴や全ログを子へ渡す必要はない。
-実行可能なコード成果物と構造化されたノード要約を渡せば、性能改善に必要な情報を
-十分に継承でき、かつ入力トークン数と最大コンテキスト長を探索深度から切り離せる。
-
-## 3. 比較する handoff 方式
-
-| mode | code (workdir) | summary (prompt) | log (prompt) | 備考 |
-|---|---|---|---|---|
-| code_only | ✓ | — | — | 実行可能状態のみ。memory 注入も off（§0.2-4） |
-| summary_only | — | ✓ | — | 要約のみで状態継承できるか |
-| **code_plus_summary（提案）** | ✓ | ✓（structured） | — | |
-| code_plus_full_log | ✓ | — | ✓（tool trace / stdout / stderr / 評価理由を可能な限り） | 情報量上限 baseline。親の結果**ファイル**は workdir へコピーしない（ログは prompt のみ） |
-| code_plus_truncated_log | ✓ | — | ✓（固定 token / tail truncation） | full_log の現実版 |
-| rolling_summary | ✓ | ✓（自然言語逐次要約） | — | 一般的 conversation summary との差を測る |
-| failure_only_summary | ✓ | ✓（known_failures のみ） | — | 失敗情報だけの寄与を測る |
-
-## 4. Summary schema ablation
-
-structured node summary のどの要素が効くかを分離する:
-full / −metrics / −known_failures / −next_steps / −delta_vs_parent / −changed_files /
-−build·run_command / 自然言語版 vs structured JSON 版 / LLM 生成 vs 決定論的抽出。
-
-## 5. 実験対象タスク
+## 1. 中心的問い
+分岐型 LLM コード生成で**子ノードが親から何を継承すべきか**。「code/summary/両方」の3択は自明（both 最良）かつ単一 trajectory で実質既出のため貢献ではない。貢献は1段深い粒度——summary の**どのフィールド**を**どの形式**で継承すれば必要十分か、その結論が**分岐継承で・モデル能力を超えて転移するか**——に置く。最も強い結末は「**最適な継承法は条件（capability/task/depth）で食い違う**」という contingency の発見であり、本研究はそれを confirmatory に検出する設計にする。
 
-主タスク: **CSR SpMV 最適化**（y = Ax）。最適化方針の探索余地が広く
-（OpenMP scheduling, row-length bucketing, SELL-C-σ, blocked CSR, unrolling,
-prefetch, locality, load balance）、行列ファミリ
-（uniform random / banded / power-law / block / diagonal-dominant / skewed、
-必要に応じ SuiteSparse）で条件を変えられる。リポジトリには CSR SpMM の既存
-checkpoint・metric_contract の運用実績があり（§0.1）、評価系の土地勘がある。
-
-拡張タスク候補: stencil, FFT kernel, GEMM micro-kernel, graph BFS/PageRank,
-JSON parser, compression kernel。本会議版では最低3タスク。
-
-## 6. 評価指標
-
-- **主性能**: best valid geomean speedup @ N nodes。valid = compile + run +
-  correctness（相対誤差閾値、**OpenMP reduction の FP 順序差を許容する ε を明記**）+
-  no timeout + 全行列 benchmark 完了 + protocol violation なし。invalid は score 0。
-- **探索効率**: AUC of best-so-far, first valid node index, valid node rate,
-  compile/correctness rate, token-normalized score。
-- **コンテキスト効率（中心指標）**: mean/max input tokens per node, cumulative input
-  tokens, context growth rate vs depth, context overflow rate（§0.2-7 の定義）,
-  summary compression ratio, selector token cost, LLM call 数, wall-clock。
-  いずれも cost_trace.jsonl（prompt_tokens, node_id per call）から算出可能（§0.1）。
-- **handoff 品質**: useful inheritance rate, parent code modification rate,
-  from-scratch rewrite rate, repeated failure/strategy rate, stale-result reuse rate,
-  parent result misuse rate, duplicate attempt rate。
-- **failure recurrence**: 同一コンパイルエラー / 正解性エラー / protocol violation /
-  性能劣化要因 / 無効方針 / 親結果ファイル誤用の再発分析。
-
-## 7. 実験条件
-
-### 7.1 主実験
-探索を BFTS に固定し handoff のみ変更。固定: 初期 experiment.md・初期コード・
-harness・LLM model・temperature・executed node 数・max ReAct steps・parallelism・
-deterministic evaluator。token 数は固定しない（input token 削減自体が評価対象）。
-timeout per node は §0.2-5 の通り現状非強制のため、強制実装を入れるか統制から外すかを
-Phase 1 で決める。
-
-**選択分散の統制**: BFTS の一次ノード選択は LLM-driven（§0.2-1）であり handoff 比較の
-ノイズ源になるため、主実験では deterministic fallback selector
-（`frontier_score: scientific_only` 相当）を**一次選択として使う option を新設**し、
-LLM selector は副実験で扱う。
-
-### 7.2 補助実験
-1. **token budget 固定比較**: 同一トークン予算内で各方式が実行できた有効ノード数。
-2. **探索方式比較**: handoff を code_plus_summary に固定し、BFTS vs
-   linear refinement（**新規実装**、§13.5）。
-3. **複数モデル**: GPT 系 / Claude 系 / Gemini 系 / open-weight code model で再現性確認。
-
-### 7.3 無効化する ARI 機能（主実験）
-VirSci/idea, arXiv survey, Letta/ancestor memory 注入（§0.2-4 の新規 off スイッチ）,
-paper, review, ORS, rubric-derived axes, LLM-judge 最終評価。
-理由: handoff 効果を外部記憶・文献・仮説生成・論文生成の効果から分離するため。
-
-## 8. ARI への実装計画
-
-### 8.1 HandoffConfig（新規）
-`ari/config/__init__.py` の ARIConfig（pydantic）に追加し、`apply_bfts_env_overrides`
-と同型の env override を付ける。
-
-```yaml
-handoff:
-  mode: code_plus_summary   # code_only | summary_only | code_plus_summary |
-                            # code_plus_full_log | code_plus_truncated_log |
-                            # rolling_summary | failure_only_summary
-  summary_max_tokens: 800
-  summary_schema: structured_json   # | natural_language
-  summary_source: deterministic     # | llm
-  include_parent_outputs: false
-  inject_into: [agent]              # agent | planner | both（§0.2-3 の2面を明示制御）
-  memory_injection: off             # Tier-1b/Tier-2 注入の明示スイッチ（新規）
-```
-
-### 8.2 node_summary_view（新規）
-node_report.json（§0.1 で全フィールド存在確認済み）から子へ渡す短い view を生成:
-
-```json
-{
-  "node_id": "...", "parent_id": "...", "label": "...",
-  "valid": true, "objective_score": 2.31,
-  "changed_files": ["spmv.c", "run.sh"],
-  "delta_vs_parent": "...",
-  "build_command": "make", "run_command": "./bench",
-  "key_metrics": {"valid_geomean_speedup": 2.31, "max_relative_error": 1e-7},
-  "known_failures": ["dynamic scheduling degraded banded matrices"],
-  "next_steps": ["try row-length bucketing for skewed matrices"]
-}
-```
-
-既存の `_PromptBudget`（§0.1）が planner 側 block の文字数キャップとして同思想の
-先行実装になっており、これを handoff 全面に一般化する。
-
-### 8.3 注入面の配線（§0.2-3 が根拠）
-- **agent 面（新規）**: `AgentLoop.run()` の最初の user message
-  （`loop.py:577-598`）に mode に応じて node_summary_view / log block を注入。
-- **planner 面（既存改修）**: `_format_parent_report_block()`（`bfts.py:64-108`）を
-  HandoffConfig 配下に置き、mode で on/off。
-- **workdir 面（既存）**: `bfts_loop.py:382-445` の copy + `_OUTPUT_BLACKLIST` を
-  mode（code を含むか）で on/off。
-- full_log / truncated_log は cost をかけず node の transcript / tool trace 保存から
-  構成する（結果ファイルは workdir へコピーしない）。
-
-### 8.4 memory 注入の明示 off（新規）
-`build_working_context_messages()`（`loop.py:164-345`）の Tier-1b / Tier-2 を
-`handoff.memory_injection` で制御。off にしないと tool trace が memory 経由で
-子に漏れ、code_only 条件が成立しない（§0.2-4）。
-
-### 8.5 SearchPolicy（新規）
-`bfts`（現状）に加え `linear_latest` / `linear_best` を新規実装。
-`bfts_score_only` は「LLM selector を使わず `_fallback_score` を一次選択にする」
-mode として実装（§7.1 の統制にも使う）。
-
-### 8.6 SpMV harness（tracked な置き場所に、§0.2-6）
-`experiments/handoff_spmv/` 相当を tracked 化（`.gitignore` 例外 or ari-core 配下の
-テンプレート + run 時配布）。内容: experiment.md, baseline_spmv.c, candidate_spmv.c,
-Makefile, run_candidate.sh, matrix_generators.py, benchmark.py, evaluate_node.py,
-README.md。**LLM が編集してよいファイルと benchmark/evaluator（編集禁止）を分離**し、
-編集禁止側は checksum で protocol violation を検出する。
+## 2. 新規性の位置づけ（RQ-A は scaffold、RQ-B/C/D が貢献）
+| 先行研究 | 何をしたか | 本研究が埋める白地 |
+|---|---|---|
+| AIDE(2502.13138)/AI-Scientist-v2(2504.08066) | 分岐探索＋親→子に code＋単一サマリ Σ(T) | summary を固定し中身を割らない、retrieval/非親 reach 無し |
+| Lindenbauer "Complexity Trap"(2508.21433) | raw/masking/summary 統制比較・masking≈summary（**単一 trajectory**） | 分岐/cross-node・モデル能力への転移は未検証 |
+| MEMOIR(2605.17539, 並行) | tree-search の階層 memory ablation | 別ドメイン(組合せ最適化)・tier 有無を ablate（field 別でない）・surface 非対象 |
+| AWM(2409.07429)/MemGPT/Context-Eng survey(2507.13334) | agent-memory の枠を所有 | content 固定で surface/topology/capability を振る統制は無し |
 
-### 8.7 deterministic evaluator（新規、Protocol 準拠）
-`ari/protocols/evaluator.py` の Evaluator Protocol に準拠（§0.1）。出力例:
+差別化（1文）: 先行研究は handoff サマリを固定し単一 run・単一モデルで文脈圧縮を比較したに留まる。本研究は **artifact と history チャネルを分離**し、**history の content を field 別に ablate** し、**masking≈summary が分岐継承で・モデル能力を超えて転移するか**を、LLM-judge を排した決定論評価で測る初の統制研究。⚠「分岐型 agent memory を統制した初」は MEMOIR が先取り済みのため主張しない。
 
-```json
-{"valid": true, "score": 2.41, "metric_name": "valid_geomean_speedup",
- "compile_success": true, "correctness_pass": true, "max_relative_error": 3.2e-7,
- "timeout": false,
- "speedups": {"uniform": 1.9, "banded": 2.7, "powerlaw": 2.2, "block": 2.9}}
-```
+## 3. handoff の分解
+- **artifact チャネル**（唯一直交）: 親 code を work_dir で継承するか否か。
+- **history チャネル**: **FORM**（none→masked→truncated→extractive-summary→rolling、上限 full-trace）× **CONTENT**（field 別: delta_vs_parent/changed_files/concerns/next_steps/**known_failures**(導出)/key_metrics）× **SURFACE**（in-prompt push / memory-retrieval pull）。
+- **memory の扱い（確定）**: 第5チャネルにも headline にもしない。(i) RQ-A/B では off に統制すべき confound（B1）。(ii) RQ-C 配下に従属ノブ＝inheritance TOPOLOGY（parent-only vs full-ancestor、content 固定。`loop.py:301`＋`in_memory.py:103`、ARI 固有・未所有）。
 
-### 8.8 実行・集計スクリプト
-- `scripts/run_handoff_ablation.py`: mode 切替 / 複数 seed / node・step budget 固定 /
-  不要機能 off / checkpoint path 整理（`workspace/checkpoints/<ts>_<slug>/` 規約）。
-- `scripts/analyze_handoff_ablation.py`: tree.json, cost_trace.jsonl,
-  node_report.json, results.json, evaluator 出力を読み、§6 の全指標 + bootstrap CI を
-  集計（search_trace.jsonl は存在しないため対象外、必要なら handoff_trace.jsonl を新設）。
+## 4. 比較アーム
+code_only / summary_only / code+summary / code+masked / code+full_trace / code+truncated / code+rolling / **aide_journal**(Σ 相当 baseline) ／ **+CONTENT ablation**（summary −1 field ずつ＝RQ-B）／ **+TOPOLOGY ノブ**（RQ-C 従属）。上記を **model_size∈{small,large（同一ファミリ; 勾配なら 8/14/32 等）}** で交差（RQ-D）。
 
-## 9. Research Questions
+## 5. Research Questions
+- **RQ-A（scaffold・貢献ではない）**: artifact と history のどちらが必要か。clean 比較の土台。
+- **RQ-B（primary・本命）**: history summary の**どの field** が効くか。**H-B: failure/concern 系が支配的で next_steps は寄与しない。**
+- **RQ-C（differentiator）**: masking≈summary は分岐継承で転移するか。**H-C: 単一 trajectory では masking で足りるが、分岐では失敗情報が直近窓外に落ち extractive-failure-summary が masking 単独より有意に優る。**
+- **RQ-D（capability × handoff・新規）**: handoff の価値はモデル能力に依存するか。**H-D（FORM×capability 交差）: large は masking で足り small は failure-summary が必須**（RQ-C と接続）。勾配≥3点で「形（閾値/順位反転）」を検出。
+- sanity（格下げ・非 headline）: S1 code+summary は code+full_trace と parity（TOST）。S2 注入トークン分離計測の上で削減確認。
 
-- **RQ1**: Artifact-Summary Handoff は full log handoff と同等の性能
-  （best valid geomean speedup, AUC, valid node rate）を維持できるか。
-- **RQ2**: 入力トークン数と最大コンテキスト長（cumulative/mean/max input tokens,
-  context growth rate, overflow rate）を削減できるか。
-- **RQ3**: code only では失敗再発・重複試行（failure recurrence, duplicate attempt,
-  repeated strategy, invalid node rate）が増えるか。
-- **RQ4**: structured summary のどの要素が寄与するか（field ablation による
-  performance drop / token reduction / failure recurrence increase）。
-- **RQ5**: 効果は探索方式・タスク・モデル・seed を超えて再現するか。
+## 6. タスク・測定器・モデル
+- **6.1 タスク**: SpMV(y=Ax) か SpMM(Y=AX) を Stage 0 で確定（既存 fixture は全 SpMM）。
+- **6.2 deterministic evaluator が測定器を独占所有**: oracle（fp64 参照解）＋ε（行ごと `C·γ_{nnz}·Σ|A||x|`）＋timing（warmup/reps median＋分散, pin, freq, OMP, NUMA）＋checksum 固定 baseline＋anti-gaming（matrix/timing/baseline/correctness 独占, correctness 用 x は call 時供給）＋geomean 集計＋hardware fingerprint。→ [`ari/evaluator/Plan.md`](ari/evaluator/Plan.md)。
+- **6.3 モデル**: 主バックボーン＝ローカル qwen3（small/large、seed・temp 固定・digest pin）で確認的 run を高 n・無コスト・再現可能に。frontier API は robustness 1本。Stage 0 で qwen3:8b の validity floor を pilot。→ [`ari/llm/Plan.md`](ari/llm/Plan.md)。
 
-## 10. 投稿戦略
+## 7. 実験計画と統計
+事前登録（Stage 0 で凍結）: ε・C／`_scientific_score` 正規化／invalid floor／N／failure codebook／単一 primary 対比／H-B・H-C・H-D の向き／model 水準。単位＝run（1木＝1スカラ）。run 単位 cluster bootstrap、speedup は log 領域、parity は TOST＋事前マージン、多重性 Holm/BH。selector は deterministic 固定（G9a）。注入トークンを per-node prompt_tokens と分離計測。RQ-D は**交互作用基準の検出力**で順位反転を検定。summary 忠実性（導出 known_failures vs evaluator failure_signature）で「表現の差」と「生成品質の差」を分離。
 
-HPC SpMV 論文ではなく LLM code agent / automated software engineering の論文として
-投稿する。初期: ASE/ICSE workshop, MLSys workshop, LLM for HPC workshop。
-本会議: ASE Research Track（最有力）, ICSE, MLSys, OOPSLA。
-ジャーナル: ASE Journal, TOSEM, TSE, TMLR。
+## 8. 実装計画
+クリティカルパス（Stage 0-5）・依存 DAG・subtask 索引・MVP カットは [`MASTER_PLAN_handoff_impl.md`](MASTER_PLAN_handoff_impl.md) に集約。背骨は **B2 → B3 → B1**。各 subtask は該当 dir の `Plan.md` 参照。
 
-**Related work の必須差別化**（reviewer リスク対策）: AIDE（tree search +
-journal/summary 継承）、SWE-agent / OpenHands の context condensation、
-MLE-bench 系 agent、agent workflow memory。差別化軸は「handoff 方式そのものを
-独立変数として統制 ablation し、operational state の要素別寄与を測る初の
-empirical study」であり、特定手法の提案勝負にしない。
+## 9. スコープとフェーズ
+- Phase A（MVP/workshop）: 3 アーム×1 タスク×ローカル large×deterministic selector、事前登録、run 単位 n≥~8–10、cluster bootstrap、scrub＋gitignore negation。
+- Phase B: RQ-B（field 別）＋ masked/aide_journal（RQ-C）＋ dosage sweep。
+- Phase C: RQ-D（small/large 勾配）＋ topology ノブ＋ frontier robustness＋追加タスク（SE タスク or MLSys 判断）。
+- 各 Phase 入口で cost go/no-go（ローカル主体で大幅緩和）。
 
-## 11. スケジュール
+## 10. Threats to Validity
+internal: B1 第3経路／sterile 非対称／dead timeout／selector 確率性／full_log overflow 自壊／side-channel／GPU 残留非決定性。construct: 主指標は handoff 質か selection 運か（selection-invariant 指標併報）／summary 忠実性交絡／starting kernel 交絡（全アーム同一・事前登録）／capability 操作が規模のみか（同一ファミリで担保）。external: 単一カーネル・単一言語(C/OpenMP)・主にローカル qwen3（→ frontier アームで補強）。
 
-- **Phase 1 設計**: §0 の食い違い7点の解消方針確定（timeout 強制、harness 置き場所、
-  memory off スイッチ、handoff_trace 要否）、HandoffConfig schema 確定。
-- **Phase 2 最小実装**: HandoffConfig / node_summary_view / agent 面注入 /
-  memory off / code_only・code_plus_summary・code_plus_full_log。
-- **Phase 3 SpMV harness**: baseline 実装、matrix generator、correctness checker
-  （ε 設計込み）、timing harness、results.json schema、編集禁止ファイルの checksum。
-- **Phase 4 evaluator**: Protocol 準拠 deterministic evaluator、node.metrics 保存。
-- **Phase 5 pilot**: code_only / code_plus_summary / code_plus_full_log /
-  code_plus_truncated_log の小規模比較（deterministic selector、複数 seed 最小構成）。
-- **Phase 6 本実験**: 全 mode、summary ablation、token budget 固定、複数 seed。
-- **Phase 7 拡張**: linear refinement 実装比較、追加タスク、複数モデル。
-- **Phase 8 論文化**: related work、RQ 別結果、qualitative failure analysis、
-  threats to validity、replication package。
+## 11. 再現性・アーティファクト・データ管理
+固定 commit／per-call の model digest/temp/seed 記録／frozen-trace から図表再生成／harness tracked（force-negate）／SuiteSparse は name＋group＋SHA256＋snapshot 日付 pin／生成 native code の sandbox/timeout／**収集時の機械情報スクラブ**（tracked artifact・図・commit に機械情報を一切入れない）／GB 級 trace の保管。→ [`../scripts/Plan.md`](../scripts/Plan.md)。
 
 ## 12. リスクと対策
+最大リスク（cost×検出力）→ ローカル主バックボーンで緩和。新リスク＝small の capability floor → Stage 0 pilot。新規性が弱い/3択縮退 → §2 差別化＋RQ-B/C/D を主役＋contingency（条件で食い違う）を背骨に＋aide_journal baseline。null → H-B/H-C/H-D を向き付き事前登録で informative に。venue → SE タスク追加 or MLSys 明確化。
 
-1. **ARI 固有の engineering に見える** → state transfer model として抽象化し、ARI は
-   reference implementation と位置づける。
-2. **SpMV 単一タスクに見える** → 行列ファミリ多様化 + 追加タスク（Phase 7）。
-3. **full log baseline が弱い** → truncated / rolling / failure-only / retrieval
-   baseline を併設。
-4. **structured summary の設計が恣意的** → field ablation（§4）で要素別寄与を示す。
-5. **LLM の偶然性** → 複数 seed、bootstrap CI、paired comparison、per-task breakdown、
-   deterministic selector（§7.1）で選択分散を遮断。
-6. **LLM Judge 依存に見える** → 主評価は deterministic evaluator のみ。LLM Judge は
-   主評価から除外。
-7. **先行研究（AIDE 等）との近接** → §10 の差別化軸で統制 empirical study として
-   位置づける。
+## 13. 投稿戦略
+初期: DL4C / MLSys・ASE workshop（Phase A）。本会議: MLSys（context 効率＋capability 軸）または ASE/ICSE（要 SE タスク追加）。冒頭で AIDE・AI-Scientist-v2・Lindenbauer・MEMOIR(並行) を引き、「summary を発明したのでなく、何を・どの形式で継承すべきかを field 粒度で初めて統制分離し、分岐継承とモデル能力をまたぐ転移（および条件依存性）を検証した」と位置づける。
diff --git a/ari-core/ari/README.md b/ari-core/ari/README.md
index 31a3d327..7550f5a3 100644
--- a/ari-core/ari/README.md
+++ b/ari-core/ari/README.md
@@ -24,6 +24,7 @@ Core engine package for ARI. Each sub-package carries its own `README.md`
   - `guidance.py` — per-stage step-guidance + metrics-validation helpers.
   - `loop.py` — `AgentLoop` driver + per-node prompt builder.
   - `message_utils.py` — ReAct-message helpers (`_extract_job_ids`, `_tool_was_called`).
+  - `Plan.md` — B1 memory gate / B3 契約凍結 / G4 agent 面注入の実装計画（handoff study）.
   - `react_driver.py` — generic ReAct driver for pipeline `react:` stages, with sandbox enforcement.
   - `run_env.py` — capture/read helper for `_run_env.json`.
   - `tool_manager.py` — OpenAI tool conversion, dispatch, phase-aware filtering.
@@ -39,6 +40,7 @@ Core engine package for ARI. Each sub-package carries its own `README.md`
   - `commands.py` — misc top-level commands + `_safe_backup`.
   - `lineage.py` — end-of-phase lineage-decision helpers.
   - `migrate.py` — `ari migrate` sub-app.
+  - `Plan.md` — G5 copy / G7 sterile / G12 timeout・overflow の実装計画（handoff study）.
   - `projects.py` — `ari paper` / `status` / `projects` / `show` commands.
   - `run.py` — `ari run` / `ari resume` commands.
 - `clone/` — `ari clone`: fetch + verify + extract curated EAR bundles.
@@ -56,6 +58,7 @@ Core engine package for ARI. Each sub-package carries its own `README.md`
   - `README.md` — config index.
   - `__init__.py` — Pydantic config models + env-var overrides.
   - `finder.py` — workflow / profile YAML discovery.
+  - `Plan.md` — G1 HandoffConfig＋env override の実装計画（handoff study）.
 - `configs/` — external config tables (Phase PC).
   - `README.md` — configs index.
   - `__init__.py` — config-table exports + loader plumbing.
@@ -67,11 +70,13 @@ Core engine package for ARI. Each sub-package carries its own `README.md`
   - `__init__.py` — public symbols + axis design.
   - `dynamic_axes.py` — venue/run-specific evaluation-axis derivation.
   - `llm_evaluator.py` — `LLMEvaluator`: extraction + multi-axis composite scoring.
+  - `Plan.md` — B2 deterministic evaluator＋測定器ユニットの実装計画（handoff study）.
 - `llm/` — thin LiteLLM wrappers for the agent loop and skills.
   - `README.md` — llm index.
   - `__init__.py` — public `LLMClient` + contract.
   - `cli_server.py` — OpenAI-compatible HTTP shim for agentic CLIs.
   - `client.py` — `LLMClient`/`LLMMessage`: completion + tool calling + cost recording.
+  - `Plan.md` — ローカルモデル決定性（seed/digest/thinking）の実装計画（handoff study）.
   - `routing.py` — TODO
 - `mcp/` — MCP client talking to `ari-skill-*` subprocesses.
   - `README.md` — mcp index.
@@ -101,6 +106,7 @@ Core engine package for ARI. Each sub-package carries its own `README.md`
   - `lineage_decision.py` — LLM lineage action + `lineage_decisions.jsonl` log.
   - `node.py` — `Node` data model + `NodeStatus` / `NodeLabel` enums.
   - `node_selection.py` — shared node-selection helpers + publication source-file selection.
+  - `Plan.md` — G3 node_summary_view / G9a deterministic selector の実装計画（handoff study）.
   - `root_idea_selector.py` — run-start LLM root-idea pick + selection log.
   - `node_report/` — per-node `node_report.json` package.
     - `README.md` — node_report index.
diff --git a/ari-core/ari/agent/Plan.md b/ari-core/ari/agent/Plan.md
new file mode 100644
index 00000000..7e215b49
--- /dev/null
+++ b/ari-core/ari/agent/Plan.md
@@ -0,0 +1,23 @@
+# Plan — B1 memory gate ／ B3 契約凍結 ／ G4 agent 面注入 ／ ローカル決定性(loop側)
+
+Status: 実装計画（未実装）。Origin: 2026-06 handoff study 設計。
+親計画: [`../../MASTER_PLAN_handoff_impl.md`](../../MASTER_PLAN_handoff_impl.md)、研究計画 [`../../PLAN_artifact_summary_handoff.md`](../../PLAN_artifact_summary_handoff.md) §0.2(B1/B3) / §8 Stage 1-2。
+
+## 依存関係（他 Plan.md）
+- 上流依存:
+  - [`config/Plan.md`](../config/Plan.md)（G1 HandoffConfig）— gate/注入の全トグルを読む。
+  - [`evaluator/Plan.md`](../evaluator/Plan.md)（B2）— **B3 の前提**（契約を凍結しても採点が壊れないのは固定 evaluator があるから）。
+  - [`orchestrator/Plan.md`](../orchestrator/Plan.md)（G3 `node_summary_view`）— G4 が注入する view の生成元。
+- 下流: [`cli/Plan.md`](../cli/Plan.md)（copy/sterile）、[`../../scripts/Plan.md`](../../scripts/Plan.md)。
+
+## 削除要件
+B1（memory per-arm gate）・B3（契約外生化）・G4（agent 面注入）・seed/thinking 統制が main に land し、**実機**で「code_only の子プロンプトに operational state ゼロ」「契約が run/model 間で不変」を確認、MASTER 完了ログに記録された時点で本 Plan.md を削除する。
+
+## 実装項目
+1. **B1 memory gate**: monolithic `loop.py:164-355` の `build_working_context_messages` を **Tier-1a/1b/1c/2 の per-arm 独立 emit に分割**し `handoff.memory_off` で gate。ガード `loop.py:292` より上で無条件発火する Tier-1a(`193-216`)/1c(`218-290`) を必ず gate、**`_PINNED_USER_MARKERS`(`766-775`) の pin 対象も消す**（消さないと window 圧縮を生存）。`search_global_memory`(`650-672`)・auto-save(`920-930`) も対象に含める。
+2. **B3 契約外生化**: `ARI_FREEZE_CONTRACT` で `loop.py:1162-1196` の make_metric_spec 自己決定変異（`self.evaluator.metric_spec=` / `metric_extractor`）を封じ、`loop.py:1207-1219` の per-run 契約 obligation 生成も停止。固定 `metric_contract.json` を pin（or 無し）。`make_metric_spec` は core/pinned ツール（`workflow.py:172`,`loop.py:719`）なので survey/idea off では消えない＝明示無効化必須。Tier-1c が残る場合は**固定契約のみ**注入。
+3. **G4 agent 面注入**: `handoff.inject_agent_block`/`log_mode` に応じ、子初回 user message（`loop.py:587-608`）に `node_summary_view`/log を `build_working_context_messages` 経由で append（`loop.py:640-647`）。log は **copy 除外前に親 work_dir から読む**。
+4. **ローカル決定性(loop側)**: qwen3 thinking-mode（`loop.py` 系）を全アーム一貫に（client 側は [`../llm/Plan.md`](../llm/Plan.md)）。
+
+## 検証ゲート（実機）
+`code_only` の子プロンプトをダンプ → Tier-1a/1c/1b/2・契約 narrative が**ゼロ**。`code_plus_summary`/`code_plus_full_log` は view/log が子に届く。`ARI_FREEZE_CONTRACT` 下で同一 input の契約・採点 spec が run/model 間で不変。
diff --git a/ari-core/ari/agent/README.md b/ari-core/ari/agent/README.md
index bfbfb258..62edcf56 100644
--- a/ari-core/ari/agent/README.md
+++ b/ari-core/ari/agent/README.md
@@ -11,6 +11,7 @@ MCP skills.
 - `guidance.py` — per-stage step-guidance + metrics-validation helpers.
 - `loop.py` — `AgentLoop` driver + per-node prompt builder.
 - `message_utils.py` — ReAct-message helpers (`_extract_job_ids`, `_tool_was_called`).
+- `Plan.md` — B1 memory gate / B3 契約凍結 / G4 agent 面注入の実装計画（handoff study）.
 - `react_driver.py` — generic ReAct driver for pipeline `react:` stages, with sandbox enforcement.
 - `run_env.py` — capture/read helper for `_run_env.json`.
 - `tool_manager.py` — OpenAI tool conversion, dispatch, phase-aware filtering.
diff --git a/ari-core/ari/cli/Plan.md b/ari-core/ari/cli/Plan.md
new file mode 100644
index 00000000..9ace883a
--- /dev/null
+++ b/ari-core/ari/cli/Plan.md
@@ -0,0 +1,21 @@
+# Plan — G5 copy トグル ／ G7 sterile-gate 対称化 ／ G12 timeout・overflow
+
+Status: 実装計画（未実装）。Origin: 2026-06 handoff study 設計。
+親計画: [`../../MASTER_PLAN_handoff_impl.md`](../../MASTER_PLAN_handoff_impl.md)、研究計画 [`../../PLAN_artifact_summary_handoff.md`](../../PLAN_artifact_summary_handoff.md) §0.2 / §8 Stage 2。
+
+## 依存関係（他 Plan.md）
+- 上流依存:
+  - [`../config/Plan.md`](../config/Plan.md)（G1/配線）— `copy_workdir` 等を `agent.handoff` 経由で読む。
+- 関連: [`../agent/Plan.md`](../agent/Plan.md)（配線の対側）。
+- 下流: [`../../scripts/Plan.md`](../../scripts/Plan.md)。
+
+## 削除要件
+G5・G7・G12 が main に land し、実機で「copy on/off がアームで効く」「sterile 判定がアーム不変」「per-node 予算が強制 or 明示除外」を確認、MASTER 完了ログに記録された時点で本 Plan.md を削除する。
+
+## 実装項目（すべて `bfts_loop.py`）
+1. **G5 copy トグル**: 親→子 work_dir copy（`bfts_loop.py:414-445`）を `getattr(agent,"handoff",None).copy_workdir` で gate（既定 True で現状維持）。`_OUTPUT_BLACKLIST` はそのまま。
+2. **G7 sterile-gate 対称化**: `compute_files_changed(parent,child)`（`bfts_loop.py:631-656`）は無条件で score を 0 clamp。copy-OFF アームでは子 dir 空 → 全ファイル「deleted」→ sterile 判定が反転する。**copy-OFF では空 baseline 基準**（子が自分で書いた added/modified のみ数え、幽霊 deleted を無視）にし、アーム間で「no-op」の意味を一定化。
+3. **G12 timeout / overflow**: dead code の TimeoutError 分岐（`bfts_loop.py:532-541`、`as_completed` 後で発火不能）を、(a) 実 wall-clock kill（子をキャンセル可能プロセスで）に直すか、(b) 統制変数から明示除外し `max_react_steps` を唯一予算とする。いずれか事前登録。あわせて **full_log overflow カウンタ**と「overflow 時の full_log 定義」を導入（窓圧縮 `agent/loop.py:725` で full_log が黙って truncated 化するのを明示）。
+
+## 検証ゲート（実機）
+`copy_workdir=False` アームで親 code が子に来ない。do-nothing 子が copy-ON/OFF 両アームで同じ「sterile」判定。per-node 予算が全アーム同一で強制（or 明示除外を文書化）。
diff --git a/ari-core/ari/cli/README.md b/ari-core/ari/cli/README.md
index bb19dcd5..d60cb898 100644
--- a/ari-core/ari/cli/README.md
+++ b/ari-core/ari/cli/README.md
@@ -12,6 +12,7 @@ construction logic is delegated to `ari.core`.
 - `commands.py` — misc top-level commands + `_safe_backup`.
 - `lineage.py` — end-of-phase lineage-decision helpers.
 - `migrate.py` — `ari migrate` sub-app.
+- `Plan.md` — G5 copy / G7 sterile / G12 timeout・overflow の実装計画（handoff study）.
 - `projects.py` — `ari paper` / `status` / `projects` / `show` commands.
 - `run.py` — `ari run` / `ari resume` commands.
 
diff --git a/ari-core/ari/config/Plan.md b/ari-core/ari/config/Plan.md
new file mode 100644
index 00000000..6b268455
--- /dev/null
+++ b/ari-core/ari/config/Plan.md
@@ -0,0 +1,23 @@
+# Plan — G1: HandoffConfig ＋ env override ＋ 配線
+
+Status: 実装計画（未実装）。Origin: 2026-06 handoff study 設計。
+親計画: [`../../MASTER_PLAN_handoff_impl.md`](../../MASTER_PLAN_handoff_impl.md)、研究計画 [`../../PLAN_artifact_summary_handoff.md`](../../PLAN_artifact_summary_handoff.md) §8.1。
+
+## 依存関係（他 Plan.md）
+- 上流依存: なし（Stage 1 の根）。
+- 下流（本 subtask の単一情報源を読む）:
+  - [`../agent/Plan.md`](../agent/Plan.md) — B1 memory gate / G4 agent 注入 / B3。
+  - [`../orchestrator/Plan.md`](../orchestrator/Plan.md) — G3 field トグル。
+  - [`../cli/Plan.md`](../cli/Plan.md) — G5 copy トグル / G7 / G12。
+
+## 削除要件
+HandoffConfig・`apply_handoff_env_overrides`・呼出配線が main に land し、7 モードが env から再現選択でき、MASTER の完了ログに記録された時点で本 Plan.md を削除する。
+
+## 実装項目
+1. **`HandoffConfig`（pydantic, `__init__.py:66-139` の `BFTSConfig` 兄弟）**: `mode`(7値)/`copy_workdir`/`inject_agent_block`/`inject_planner_block`/`log_mode`(none|full|truncated|masked)/`log_truncate_chars`/`summary_form`(extractive|rolling|failure_only)/`summary_fields_enabled: list[str]`/`memory_off`。
+2. **`resolve_mode()`**: 7 モード名 → 上記 bool 集合の写像（`ARI_HANDOFF_MODE` 1 値で run が完全特定）。
+3. **`apply_handoff_env_overrides(cfg)`**: `__init__.py:440-471` の `apply_bfts_env_overrides` を模倣。Literal の env ホワイトリスト検証も踏襲。**同じ呼出箇所から必ず呼ぶ**（定義だけで未配線にしない）。
+4. **配線**: `ARIConfig`（`__init__.py:281` は `extra:allow`）に `handoff:` を追加 → `../core.py:83` で `cfg.handoff` を読む。
+
+## 検証ゲート
+`ARI_HANDOFF_MODE=code_only|code_plus_summary|code_plus_full_log` の3値で、解決された bool 集合がログに正しく出ることを確認（[`../agent/Plan.md`](../agent/Plan.md) の gate と連結）。
diff --git a/ari-core/ari/config/README.md b/ari-core/ari/config/README.md
index a07ab2a4..00fc8065 100644
--- a/ari-core/ari/config/README.md
+++ b/ari-core/ari/config/README.md
@@ -8,6 +8,7 @@ their env-var overrides (`ARI_BACKEND`, `ARI_MODEL`, …).
 - `README.md` — this file.
 - `__init__.py` — Pydantic config models + env-var overrides.
 - `finder.py` — workflow / profile YAML discovery.
+- `Plan.md` — G1 HandoffConfig＋env override の実装計画（handoff study）.
 
 ## See also
 
diff --git a/ari-core/ari/evaluator/Plan.md b/ari-core/ari/evaluator/Plan.md
new file mode 100644
index 00000000..bc263d96
--- /dev/null
+++ b/ari-core/ari/evaluator/Plan.md
@@ -0,0 +1,22 @@
+# Plan — B2: deterministic evaluator ＋ 測定器ユニット
+
+Status: 実装計画（未実装）。Origin: 2026-06 handoff study 設計。
+親計画: [`../../MASTER_PLAN_handoff_impl.md`](../../MASTER_PLAN_handoff_impl.md)、研究計画 [`../../PLAN_artifact_summary_handoff.md`](../../PLAN_artifact_summary_handoff.md) §6.2 / §8 Stage 1。
+
+## 依存関係（他 Plan.md）
+- 上流依存: なし（Stage 1 の根）。
+- 下流（本 subtask を前提にする）:
+  - [`../orchestrator/Plan.md`](../orchestrator/Plan.md) — G9a は `_scientific_score` を必要とする。
+  - [`../agent/Plan.md`](../agent/Plan.md) — B3（契約凍結）は本 evaluator が固定採点を持つことを前提。
+  - [`../../scripts/Plan.md`](../../scripts/Plan.md) — analyze は evaluator 出力を集計。
+
+## 削除要件
+本 subtask（`deterministic_evaluator.py` ＋ `core.py` の evaluator dispatch ＋ 測定器ユニット）が main に land し、**実機 compute node** で検証ゲートを通過し、MASTER の完了ログに記録された時点で本 Plan.md を削除する。
+
+## 実装項目
+1. **`deterministic_evaluator.py`（新規, 本 dir）**: `ari/protocols/evaluator.py` の `Evaluator` Protocol に準拠し、**`evaluate_sync(goal, artifacts, summary, node_id=None, node_label=None)` を必ず実装**（loop は `agent/loop.py:1454/1532/1600` で sync 版を呼ぶ）。戻り値 `{"metrics": {"_scientific_score": s∈[0,1], …}, "has_real_data": bool, "reason": str}`。`node.metrics = eval_result["metrics"]`（`agent/loop.py:1461`）経由で BFTS 選択（`orchestrator/bfts.py:336`）に効くため、**`metrics._scientific_score` を [0,1] 正規化して必ず格納**。
+2. **測定器ユニット（evaluator が独占所有）**: 参照解 oracle（fp64 / 補償加算）、行ごと ε（`C·γ_{nnz}·Σ|A||x|`）、timing（W warmup＋R reps median＋分散、core pin、freq 固定、OMP 明示、NUMA）、checksum 固定 baseline（candidate と同一フラグ）、anti-gaming（matrix/timing/baseline/correctness を独占、correctness 用 x は call 時供給）。
+3. **dispatch（`../core.py:195`）**: 現状 `LLMEvaluator(...)` ハードコード。`ARI_EVALUATOR` で差し替え可能に（`../core.py:155-182` の `axis_mode` dispatch を模倣）。
+
+## 検証ゲート（実機）
+固定タスクで `code+summary` を1本実行し、(i) valid node>0、(ii) selector が**非ゼロ** `_scientific_score` を消費、(iii) LLMEvaluator 非経由で採点が完走、を確認。
diff --git a/ari-core/ari/evaluator/README.md b/ari-core/ari/evaluator/README.md
index 967e8f53..f521117d 100644
--- a/ari-core/ari/evaluator/README.md
+++ b/ari-core/ari/evaluator/README.md
@@ -10,6 +10,7 @@ orchestrator consumes.
 - `__init__.py` — public symbols + axis design.
 - `dynamic_axes.py` — venue/run-specific evaluation-axis derivation.
 - `llm_evaluator.py` — `LLMEvaluator`: extraction + multi-axis composite scoring.
+- `Plan.md` — B2 deterministic evaluator＋測定器ユニットの実装計画（handoff study）.
 
 ## See also
 
diff --git a/ari-core/ari/llm/Plan.md b/ari-core/ari/llm/Plan.md
new file mode 100644
index 00000000..5724a472
--- /dev/null
+++ b/ari-core/ari/llm/Plan.md
@@ -0,0 +1,25 @@
+# Plan — ローカルモデル決定性: seed plumb ／ digest pin ／ thinking-mode 統制
+
+Status: 実装計画（未実装）。Origin: 2026-06 handoff study 設計。
+親計画: [`../../MASTER_PLAN_handoff_impl.md`](../../MASTER_PLAN_handoff_impl.md)、研究計画 [`../../PLAN_artifact_summary_handoff.md`](../../PLAN_artifact_summary_handoff.md) §6.3 / §7 / §8 Stage 1。
+
+## 依存関係（他 Plan.md）
+- 上流依存: なし（Stage 1 の根、独立）。
+- 下流（再現性・統計が本 subtask に依存）: [`../../scripts/Plan.md`](../../scripts/Plan.md)（分析の paired/seed 設計）、研究計画 §7。
+
+## 削除要件
+seed plumb・digest pin・thinking-mode 統制・per-call provenance 記録が main に land し、実機で「同一 seed/digest で再現性が成立（GPU 非 bit 決定性は n で吸収）」を確認、MASTER 完了ログに記録された時点で本 Plan.md を削除する。
+
+## 背景（検証済の現状）
+- ローカル backend が既定（`config/__init__.py:581-582`、`ARI_BACKEND=ollama`、既定 `qwen3:8b`、`qwen3:32b` も使用）。
+- temperature はローカルに渡る（`client.py:131`、drop は gpt-5* のみ `client.py:130`）。
+- **seed は `litellm.completion`（`client.py:180`）に未 plumb**。qwen3 thinking-mode 抑制あり（`client.py:141`）。
+
+## 実装項目（主に `client.py`）
+1. **seed plumb**: `client.py:180/230` の completion kwargs に `seed` を追加（ollama/litellm が pass-through）。
+2. **digest pin**: モデルはタグでなく digest 固定で参照（タグは中身が動く）。
+3. **thinking-mode 統制**: qwen3 thinking を全アーム一貫に（`client.py:141`）。
+4. **provenance**: `cost_tracker.py` の per-call 記録に **resolved model digest / seed / temperature** を追加（現状 model 名のみ）。capability 勾配（small/large、研究計画 RQ-D）はこの provenance で識別。
+
+## 検証ゲート（実機）
+同一 (seed, digest, temperature, prompt) で複数回実行し、出力分散が API backend より大幅に小さいこと、provenance が trace に正しく残ることを確認。
diff --git a/ari-core/ari/llm/README.md b/ari-core/ari/llm/README.md
index 1b61d2e4..35eaba38 100644
--- a/ari-core/ari/llm/README.md
+++ b/ari-core/ari/llm/README.md
@@ -10,6 +10,7 @@ templates here (those live under `ari/prompts/`).
 - `__init__.py` — public `LLMClient` + contract.
 - `cli_server.py` — OpenAI-compatible HTTP shim for agentic CLIs.
 - `client.py` — `LLMClient`/`LLMMessage`: completion + tool calling + cost recording.
+- `Plan.md` — ローカルモデル決定性（seed/digest/thinking）の実装計画（handoff study）.
 - `routing.py` — TODO
 
 ## See also
diff --git a/ari-core/ari/orchestrator/Plan.md b/ari-core/ari/orchestrator/Plan.md
new file mode 100644
index 00000000..cf79b576
--- /dev/null
+++ b/ari-core/ari/orchestrator/Plan.md
@@ -0,0 +1,21 @@
+# Plan — G3 node_summary_view ／ G9a deterministic selector
+
+Status: 実装計画（未実装）。Origin: 2026-06 handoff study 設計。
+親計画: [`../../MASTER_PLAN_handoff_impl.md`](../../MASTER_PLAN_handoff_impl.md)、研究計画 [`../../PLAN_artifact_summary_handoff.md`](../../PLAN_artifact_summary_handoff.md) §3 / §8 Stage 2-3。
+
+## 依存関係（他 Plan.md）
+- 上流依存:
+  - [`../config/Plan.md`](../config/Plan.md)（G1）— `summary_fields_enabled` / `summary_form` を読む。
+  - [`../evaluator/Plan.md`](../evaluator/Plan.md)（B2）— **G9a の前提**（`_scientific_score` が無いと fallback selector が全 0.0 に縮退）。
+- 下流: [`../agent/Plan.md`](../agent/Plan.md)（G4 が `node_summary_view` を注入）、[`../../scripts/Plan.md`](../../scripts/Plan.md)。
+
+## 削除要件
+`node_summary_view`（field 別＋FORM 変種）と `bfts_score_only` が main に land し、実機で「field トグルが view に反映」「同一 input で選択が再現」を確認、MASTER 完了ログに記録された時点で本 Plan.md を削除する。
+
+## 実装項目
+1. **`node_summary_view.py`（新規, 本 dir）**: `node_report.json`（`node_report/builder.py:551-586`）から field 選択可能な view を生成。source=`delta_vs_parent`/`files_changed`/`self_assessment.concerns`/`next_steps_hints`/`metrics._scientific_score`。**`known_failures` は native field 非存在 → failed-node の evaluator_reason / concerns から導出**。FORM 変種: extractive / rolling（祖先要約の有界畳み込み）/ failure_only / masked / truncated。
+   ※ 既存 `bfts.py:64-108` `_format_parent_report_block` は **planner プロンプト結合・field 非選択**のため流用不可（新規）。
+2. **G9a `bfts_score_only`**: `bfts.py:418-575` の LLM 一次選択を flag で bypass し、常に `_select_fallback`(`bfts.py:356-369`, `frontier_score=scientific_only`)を一次選択に。これで selector 由来分散を除去。
+
+## 検証ゲート（実機）
+`summary_fields_enabled` から1 field 落とすと view から当該 field が消える。`bfts_score_only` 下で同一 input の選択が決定的に再現。
diff --git a/ari-core/ari/orchestrator/README.md b/ari-core/ari/orchestrator/README.md
index 00a63f73..ae3589d5 100644
--- a/ari-core/ari/orchestrator/README.md
+++ b/ari-core/ari/orchestrator/README.md
@@ -11,6 +11,7 @@ LLM node scoring, lineage decisions, and root-idea selection.
 - `lineage_decision.py` — LLM lineage action + `lineage_decisions.jsonl` log.
 - `node.py` — `Node` data model + `NodeStatus` / `NodeLabel` enums.
 - `node_selection.py` — shared node-selection helpers + publication source-file selection.
+- `Plan.md` — G3 node_summary_view / G9a deterministic selector の実装計画（handoff study）.
 - `root_idea_selector.py` — run-start LLM root-idea pick + selection log.
 - `node_report/` — per-node `node_report.json` package.
   - `README.md` — node_report index.
diff --git a/scripts/Plan.md b/scripts/Plan.md
new file mode 100644
index 00000000..03855c11
--- /dev/null
+++ b/scripts/Plan.md
@@ -0,0 +1,27 @@
+# Plan — 実験ハーネス・run/analyze スクリプト・provenance・コストゲート
+
+Status: 実装計画（未実装）。Origin: 2026-06 handoff study 設計。
+親計画: [`../ari-core/MASTER_PLAN_handoff_impl.md`](../ari-core/MASTER_PLAN_handoff_impl.md)、研究計画 [`../ari-core/PLAN_artifact_summary_handoff.md`](../ari-core/PLAN_artifact_summary_handoff.md) §8 Stage 4-5 / §11。
+
+## 依存関係（他 Plan.md）
+- 上流依存（チェーン末端＝下記すべてが land 済を前提）:
+  - [`../ari-core/ari/evaluator/Plan.md`](../ari-core/ari/evaluator/Plan.md)（B2）
+  - [`../ari-core/ari/config/Plan.md`](../ari-core/ari/config/Plan.md)（G1）
+  - [`../ari-core/ari/agent/Plan.md`](../ari-core/ari/agent/Plan.md)（B1/B3/G4）
+  - [`../ari-core/ari/orchestrator/Plan.md`](../ari-core/ari/orchestrator/Plan.md)（G3/G9a）
+  - [`../ari-core/ari/cli/Plan.md`](../ari-core/ari/cli/Plan.md)（G5/G7/G12）
+  - [`../ari-core/ari/llm/Plan.md`](../ari-core/ari/llm/Plan.md)（seed/digest/provenance）
+
+## 削除要件
+run/analyze スクリプト・tracked ハーネス・スクラブ・instrumentation が main に land し、実機で end-to-end（run→trace→analyze→図表）が回り、MASTER 完了ログに記録された時点で本 Plan.md を削除する。
+
+## 実装項目
+1. **tracked ハーネス**: `.gitignore:31-37`（`*.c`/`benchmarks/`/`experiments/` 等を repo 全体で無視）を**個別 `!` 否定**で例外化し、固定 baseline/candidate kernel・Makefile・seeded matrix generator（families＋SuiteSparse SHA256 pin）・README（Contents 同期）を tracked 化。`git check-ignore -v <path>` で各 fixture が tracked であることを確認。
+2. **`run_handoff_ablation.py`**: arm × model_size × seed を固定予算で sweep。`ARI_HANDOFF_MODE` / `ARI_FREEZE_CONTRACT` / `ARI_EVALUATOR` / deterministic selector flag / `memory_off` / model+digest+seed を設定。出力は `workspace/checkpoints/<ts>_<slug>/`（リポジトリ規約、$HOME 直下・/tmp 禁止）。
+3. **`analyze_handoff_ablation.py`**: `tree.json` / `cost_trace.jsonl` / `node_report.json` / evaluator 出力（＋新設 `handoff_trace.jsonl`）を集計。**`search_trace.jsonl` は存在しないので使わない**。run 単位 cluster bootstrap、parity は TOST、**注入トークンを per-node prompt_tokens と分離計測**、図表。
+4. **instrumentation**: `handoff_trace.jsonl`（per-node 注入トークン/チャネル別）、summary 忠実性（導出 known_failures vs evaluator failure_signature）、provenance（[`../ari-core/ari/llm/Plan.md`](../ari-core/ari/llm/Plan.md) と連結）。
+5. **機械情報スクラブ（収集時）**: `node_report` 等に実在する hostname/partition 系（`ari-core/ari/schemas/node_report.schema.json` / `builder.py`）を**収集時にスクラブ**＋commit 前 grep ゲート。tracked artifact・図・commit message に機械情報を一切入れない（リポジトリ最優先規約）。
+6. **cost go/no-go ゲート**: `cost_tracker` の `estimated_cost_usd` を集計し per-cell/全体の予算ゲート。ローカル主体・frontier アームのみ予算管理。
+
+## 検証ゲート（実機）
+`git check-ignore -v` で全 fixture が tracked。スクラブ後 trace に機械情報ゼロ（grep）。run→analyze が end-to-end で図表生成。
diff --git a/scripts/README.md b/scripts/README.md
index 6ca2ecd1..fe77a387 100644
--- a/scripts/README.md
+++ b/scripts/README.md
@@ -7,6 +7,7 @@ Operational and utility scripts for building images, running services, and dev t
 - `README.md` — this file.
 - `build_pb_images.sh` — build the vendor PaperBench Docker images (`pb-env`, `pb-reproducer`).
 - `gpu_ollama_monitor.sh` — monitor the SLURM GPU node running Ollama and re-tunnel it.
+- `Plan.md` — ハーネス・run/analyze・scrub・cost ゲートの実装計画（handoff study）.
 - `readme_sync.py` — sync per-directory README `## Contents` indexes with the tree (`--check` gates drift, `--write` regenerates; no LLM/API).
 - `run_all_tests.sh` — run each skill's pytest suite in its own process.
 - `run_ollama_gpu.sh` — start Ollama on a SLURM GPU node and tunnel it to the login node.

From 1a9dcca420ae5e2907b2a9e26e3d59eb6047c596 Mon Sep 17 00:00:00 2001
From: kotama7 <kotamatakanori2@gmail.com>
Date: Sun, 14 Jun 2026 03:47:47 +0900
Subject: [PATCH 3/4] docs: fill remaining per-subtask plans (root files,
 memory backend)

Close the two coverage gaps in the per-subtask implementation plans:
- ari-core/ari/Plan.md: root-file edits (core.py evaluator dispatch,
  cost_tracker.py provenance) that had only been cross-referenced.
- ari-skill-memory/Plan.md: memory backend side of RQ-C (push/pull
  surface, ancestor-scoped topology, retrieved-text logging; Phase C).
Both carry inter-plan dependencies and deletion requirements. MASTER
subtask index + completion log updated; ari/ README Contents synced.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
---
 ari-core/MASTER_PLAN_handoff_impl.md |  4 ++++
 ari-core/ari/Plan.md                 | 22 ++++++++++++++++++++++
 ari-core/ari/README.md               |  1 +
 ari-skill-memory/Plan.md             | 24 ++++++++++++++++++++++++
 4 files changed, 51 insertions(+)
 create mode 100644 ari-core/ari/Plan.md
 create mode 100644 ari-skill-memory/Plan.md

diff --git a/ari-core/MASTER_PLAN_handoff_impl.md b/ari-core/MASTER_PLAN_handoff_impl.md
index e3c00cd3..34e126f0 100644
--- a/ari-core/MASTER_PLAN_handoff_impl.md
+++ b/ari-core/MASTER_PLAN_handoff_impl.md
@@ -21,6 +21,8 @@ Status: 実装マスター計画（未実装）。Origin: 2026-06 設計議論
 | B1 memory gate / B3 契約凍結 / G4 注入 | [`ari/agent/Plan.md`](ari/agent/Plan.md) | agent | config, evaluator, orchestrator |
 | G3 node_summary_view / G9a selector | [`ari/orchestrator/Plan.md`](ari/orchestrator/Plan.md) | orchestrator | config, evaluator |
 | G5 copy / G7 sterile / G12 timeout・overflow | [`ari/cli/Plan.md`](ari/cli/Plan.md) | cli | config |
+| root 横断: core.py dispatch / cost_tracker provenance | [`ari/Plan.md`](ari/Plan.md) | ari(root) | evaluator, agent, llm |
+| memory backend: RQ-C surface/topology / retrieved-text log | [`../ari-skill-memory/Plan.md`](../ari-skill-memory/Plan.md) | ari-skill-memory | agent, orchestrator（Phase C 主体） |
 | ハーネス / run・analyze / scrub / cost | [`../scripts/Plan.md`](../scripts/Plan.md) | scripts | 上記すべて |
 
 依存の要点: **B2 → B3 → B1 が背骨**。B2 で採点固定 → B3 で契約外生化（しないと B2 が `agent/loop.py:1190` で上書きされる）→ B1 で memory 第3経路を gate（しないと全アームが state 共有）。
@@ -44,4 +46,6 @@ Stage 0 全部 ＋ Stage 1 全部 ＋ Stage 2 の B1・G3・G4・G5・G7 ＋ Sta
 - [ ] B1 / B3 / G4 — land __ / 実機 gate __
 - [ ] G3 / G9a — land __ / 実機 gate __
 - [ ] G5 / G7 / G12 — land __ / 実機 gate __
+- [ ] root 横断 (core.py dispatch / cost_tracker provenance) — land __ / 実機 gate __
+- [ ] memory backend (RQ-C surface/topology・Phase C) — land __ / 実機 gate __
 - [ ] ハーネス / scripts / scrub — land __ / 実機 gate __
diff --git a/ari-core/ari/Plan.md b/ari-core/ari/Plan.md
new file mode 100644
index 00000000..80540866
--- /dev/null
+++ b/ari-core/ari/Plan.md
@@ -0,0 +1,22 @@
+# Plan — root ファイル横断: core.py evaluator dispatch ／ cost_tracker.py provenance
+
+Status: 実装計画（未実装）。Origin: 2026-06 handoff study 設計。
+親計画: [`../MASTER_PLAN_handoff_impl.md`](../MASTER_PLAN_handoff_impl.md)、研究計画 [`PLAN_artifact_summary_handoff.md`](PLAN_artifact_summary_handoff.md) §6.2 / §8 Stage 1 / §11。
+対象は `ari-core/ari/` **直下のファイル**（サブパッケージに属さない横断的改修）。
+
+## 依存関係（他 Plan.md）
+- 上流依存:
+  - [`evaluator/Plan.md`](evaluator/Plan.md)（B2）— dispatch が**選ぶ**対象（deterministic evaluator クラス）はそちらで定義。
+  - [`agent/Plan.md`](agent/Plan.md)（B3）— make_metric_spec 自己決定の封じ込めは loop 側。本書は build 時 spec 構築（`core.py`）との整合のみ扱う。
+  - [`llm/Plan.md`](llm/Plan.md)— provenance に載せる seed/digest/temperature の出所。
+- 下流: [`../../scripts/Plan.md`](../../scripts/Plan.md)（analyze が provenance を読む）。
+
+## 削除要件
+core.py の evaluator dispatch と cost_tracker.py の provenance 拡張が main に land し、実機で「`ARI_EVALUATOR` で deterministic evaluator に切替わる」「per-call で seed/digest/temp が trace に残る」を確認、MASTER 完了ログに記録された時点で本 Plan.md を削除する。
+
+## 実装項目
+1. **`core.py` evaluator dispatch**: `core.py:195` は現状 `LLMEvaluator(...)` ハードコード（`axis_mode` dispatch `core.py:155-182` は軸のみ）。`ARI_EVALUATOR`（or `cfg.evaluator.kind`）で [`evaluator/Plan.md`](evaluator/Plan.md) の deterministic evaluator に差し替え可能化。B3（[`agent/Plan.md`](agent/Plan.md)）で make_metric_spec の自己決定を封じた上で、build 時 spec（`core.py:62,151` `_make_metric_spec`）は固定/generic のまま evaluator が採点を所有する形に整合させる。
+2. **`cost_tracker.py` provenance 拡張**: per-call 記録（現状 model 名・token 数等）に **resolved model digest / seed / temperature** を追加（値の供給は [`llm/Plan.md`](llm/Plan.md)）。capability 勾配（研究計画 RQ-D）と再現性（§11）はこの provenance で識別・検証する。
+
+## 検証ゲート（実機）
+`ARI_EVALUATOR` 切替で deterministic evaluator が使われること、`cost_trace` 各行に digest/seed/temperature が入ること、同一 (digest, seed) で再現性が立つことを確認。
diff --git a/ari-core/ari/README.md b/ari-core/ari/README.md
index 5d1a922f..d2c90d0d 100644
--- a/ari-core/ari/README.md
+++ b/ari-core/ari/README.md
@@ -18,6 +18,7 @@ Core engine package for ARI. Each sub-package carries its own `README.md`
 - `memory_cli.py` — `ari memory` subcommand (migrate / backup / …).
 - `paths.py` — centralised `PathManager` for directory layout/resolution.
 - `pidfile.py` — `.ari_pid` write/read/cleanup for run-liveness detection.
+- `Plan.md` — root ファイル横断（core.py evaluator dispatch / cost_tracker.py provenance）の実装計画（handoff study）.
 - `agent/` — ReAct loop, environment capture, per-stage workflow guidance.
   - `README.md` — agent index.
   - `__init__.py` — package module-map docstring.
diff --git a/ari-skill-memory/Plan.md b/ari-skill-memory/Plan.md
new file mode 100644
index 00000000..9292b9dc
--- /dev/null
+++ b/ari-skill-memory/Plan.md
@@ -0,0 +1,24 @@
+# Plan — memory backend 側: RQ-C surface/topology ＋ retrieved-text ロギング
+
+Status: 実装計画（未実装、Phase C 主体）。Origin: 2026-06 handoff study 設計。
+親計画: [`../ari-core/MASTER_PLAN_handoff_impl.md`](../ari-core/MASTER_PLAN_handoff_impl.md)、研究計画 [`../ari-core/PLAN_artifact_summary_handoff.md`](../ari-core/PLAN_artifact_summary_handoff.md) §3（SURFACE/TOPOLOGY）/ §5 RQ-C / §8 Stage 4。
+
+## 位置づけ
+RQ-A/B（MVP）の memory **gate**（注入の on/off）は loop 側 [`../ari-core/ari/agent/Plan.md`](../ari-core/ari/agent/Plan.md)（B1）が担当する。本書は **memory backend 側**＝RQ-C の「同一 content を push か pull か（surface）」「any-ancestor reach（topology）」を**統制可能にし検証する**ための backend 改修で、**Phase C 主体・MVP では不要**。
+
+## 依存関係（他 Plan.md）
+- 上流依存:
+  - [`../ari-core/ari/agent/Plan.md`](../ari-core/ari/agent/Plan.md)（B1 gate / G4 注入）— pure-PULL は loop 側で push ブロックを抑制して初めて成立。
+  - [`../ari-core/ari/orchestrator/Plan.md`](../ari-core/ari/orchestrator/Plan.md)（G3）— surface 比較で「同一 content」を固定するため、view 生成と整合。
+- 下流: [`../scripts/Plan.md`](../scripts/Plan.md)（analyze が surface 検証ログを読む）。
+
+## 削除要件
+retrieved-text ロギングと pure-PULL／topology の per-arm 制御が main に land し、実機で「push と pull で同一 content が届いたことを検証できる」「parent-only / full-ancestor の reach を arm で切替えられる」を確認、MASTER 完了ログに記録された時点で本 Plan.md を削除する。RQ-C を実施しない判断なら、その旨を MASTER に記録して削除。
+
+## 実装項目（`src/ari_skill_memory/`）
+1. **retrieved-text ロギング**: `access_log.py` の `build_read_event` は現状 entry_id / score（または type）のみ記録し**取得テキストを残さない**（write preview は約 200 字 cap）。read イベントに**取得テキスト**を記録し、「push 面と pull 面で同一 content が子に届いた」ことを事後検証可能にする。両 backend（`backends/in_memory.py`、`backends/letta_backend.py`）の read 経路に対応。
+2. **pure-PULL の成立条件（backend 側）**: backend は既に `search_memory` を提供。loop 側（B1）で Tier-1b/2 の in-prompt push を抑制した上で、agent 駆動 PULL が安定動作することを担保（ancestor-scope は `backends/in_memory.py:101-106` で既にサーバ側強制）。
+3. **topology ノブ**: reach は `ancestor_ids` 引数で決まる（`backends/in_memory.py:103` `allowed=set(ancestor_ids)`）。parent-only=`[parent_id]` / full=全祖先 / none=`[]` を arm で切替えられることを確認・必要なら明示 API 化（backend 改修は最小）。
+
+## 検証ゲート（実機）
+content を固定して push-only / pull-only / both を切替え、read ログから「同一 content が両 surface で配送された」ことを確認。`ancestor_ids` で parent-only と full-ancestor の reach 差が出ることを確認。

From c2f72531bc9670326de692f7d4cdb5786fd1a908 Mon Sep 17 00:00:00 2001
From: kotama7 <kotamatakanori2@gmail.com>
Date: Sun, 14 Jun 2026 03:57:12 +0900
Subject: [PATCH 4/4] docs: freeze Stage 0 pre-registration
 (PREREG_handoff_study.md)

Adopt the more-detailed-implementation options on delegation: task=SpMM,
implementation branch=bfts_compare. Freeze valid predicate, epsilon model
(C=8), _scientific_score normalization (TARGET=4.0x), N=10, failure codebook,
primary contrast, H-B/H-C/H-D directions, qwen3 8/14/32B gradient, run-level
stats (n>=10, cluster bootstrap, TOST margin=log(1.05)), timing W=3/R=10.

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
---
 ari-core/PREREG_handoff_study.md | 29 +++++++++++++++++++++++++++++
 1 file changed, 29 insertions(+)
 create mode 100644 ari-core/PREREG_handoff_study.md

diff --git a/ari-core/PREREG_handoff_study.md b/ari-core/PREREG_handoff_study.md
new file mode 100644
index 00000000..fb3808e0
--- /dev/null
+++ b/ari-core/PREREG_handoff_study.md
@@ -0,0 +1,29 @@
+# PREREG — Stage 0 凍結（What Should Branching LLM Code Agents Inherit?）
+
+Status: 事前登録（凍結値。実験開始後は変更しない）。Origin: 2026-06、ユーザ委任により推奨デフォルトを採択。
+親: [`MASTER_PLAN_handoff_impl.md`](MASTER_PLAN_handoff_impl.md)、研究計画 [`PLAN_artifact_summary_handoff.md`](PLAN_artifact_summary_handoff.md) §7。
+削除条件: 本研究の confirmatory run が完了し、凍結値と結果が論文ドラフトまたは後継 PLAN に転記された時点で削除。
+
+## 採択した実行方針
+- **主タスク**: **SpMM（Y=AX, A=CSR）**。既存 fixture・評価運用実績があり MVP を最短で実物まで詰められるため。SpMV は Phase C。
+- **実装ブランチ**: **`bfts_compare`**（実装コード専用）。計画/PREREG は PR #31（`plan-artifact-summary-handoff`）に温存。
+
+## 凍結値
+| # | 項目 | 凍結値 |
+|---|---|---|
+| 1 | valid 述語 | compile ∧ run ∧ correctness(ε) ∧ no-timeout ∧ 全必須行列完了 ∧ no protocol-violation。invalid=score 0 |
+| 2 | ε 誤差モデル | 出力要素ごと `|y_cand−y_ref| ≤ C·γ_k·Σ|A||x|`、`γ_k=k·u/(1−k·u)`、`u`=fp64 unit roundoff、**C=8** |
+| 3 | `_scientific_score` 正規化 | `s = min(geomean_speedup / TARGET, 1.0)`、**TARGET=4.0×** |
+| 4 | invalid-family 規則 | 必須 family を1つでも落とせば node-invalid（geomean に 0 を混ぜない） |
+| 5 | N（best valid @ N nodes） | **10** |
+| 6 | failure codebook | COMPILE{syntax,linker,header} / CORRECTNESS{eps_exceeded,nan} / PROTOCOL{frozen_checksum} / TIMEOUT / NOOP_STERILE / PARENT_OUTPUT_MISUSE |
+| 7 | primary 対比（単一） | **code_plus_summary vs code_plus_full_log**（SpMM・large モデル・deterministic selector） |
+| 8 | 仮説の向き | H-B: failure/concern 系が支配・next_steps 寄与せず／H-C: 分岐で extractive-failure-summary > masking 単独／H-D（FORM×capability 交差）: large=masking 十分・small=failure-summary 必須 |
+| 9 | モデル水準 | 主＝ローカル qwen3 dense **8B / 14B / 32B**（同一ファミリ）、large=32B が MVP。frontier API は robustness 1本 |
+| 10 | 統計 | 単位=run（1木=1スカラ）、**n≥10/cell**、run クラスタ bootstrap、parity は TOST（**margin=log(1.05)**）、多重性 Holm |
+| 11 | 固定定数 | seed kernel＋最適化フラグ（全アーム同一・checksum）、timing **W=3 warmup / R=10 reps（median）**、`OMP_NUM_THREADS` 固定、turbo off、単一アーキ |
+
+## pilot ゲート（confirmatory 前に確認）
+- (a) qwen3:8b が SpMM で validity を非ゼロで超えるか（床打ちなら small を 14B に上げる）。
+- (b) 最大サイズ（32B）が GPU 経路に載るか。
+- (c) deterministic selector が非ゼロ `_scientific_score` を消費するか（B2 land 後）。