[Forge Next][F02] 执行完整模型、实验臂与长程矩阵

[ZeroZ-lab]

Parent

#2

What to build

在最终候选版本上运行四实验臂、多模型、核心任务族和长程故障场景，形成发布决策所需的完整证据。

Acceptance criteria

• 四实验臂在相同 fixture、预算和 verifier 下运行。
• 覆盖至少直接行动、小功能、边界不清、bugfix、验证失败恢复和权限边界。
• 按模型和任务族报告 outcome、安全门禁、成本及不确定性。
• 长程结果独立报告；未毕业的 mission 不被总体平均分掩盖。
• 结果与 B10 旧版基线可比，所有不可比项明确说明。
• 任何硬门禁失败都形成发布 blocker 或明确缩减发布范围。

Verification

执行预注册的最终矩阵并复核报告 schema、证据引用、统计结果和硬门禁。

Blocked by

• [Forge Next][B10] 建立自主性 fixtures 并冻结旧版基线 #20 (B10)
• [Forge Next][D10] 运行长程任务与故障注入评测 #35 (D10)
• [Forge Next][E12] 根据证据执行能力保留、合并与退役 #48 (E12)
• [Forge Next][F01] 执行跨平台调用与兼容性烟测 #49 (F01)

Guardrails

• 在 F03 前不得修改发布版本号。
• 任何 verifier 硬门禁失败都不得描述为发布通过。
• D11 仅在宣称跨机器恢复时成为额外发布前置。
• 完成后同步权威事实并写一个发布汇总 Change Unit；明确未验证项和回滚方式。