正式批次论文核心结果

只纳入通过 0–24 月完整性、决策覆盖、LLM 错误率和 DONE 门槛的 run。当前结果是描述性统计，不报告显著性或因果结论。

–

论文核心结果：条件均值与有效重复

H4 相关结果：撤出反弹与同 seed 配对差值

机制层证据：介入时机 · 剂量 · 延迟成本

规则层扫描（20 种子，无 LLM），预注册假设与主指标；绝对水平不与正式 LLM 批次比较，仅比较方向与量级。

Harness 自主闭环（设计→运行→评估→修订）

LLM 设计师仅提案，评估为确定性规则层；目标、空间、迭代数预注册，全部轮次落盘无选择性报告。

真实成本与失效诊断

调用数为 trace 实测；token/单价为文档化假设。真实成本计入被质量门槛淘汰 run 的沉没部分。

数据质量与证据边界

模型校准检查，不是干预效果验证

这是当前选中 run 的 n=20 末期截面检查，与 CLHLS 调查年份、样本和指标口径不同，只用于发现模型量级问题。