feat(validation): 添加可执行的数据集完整性校验器

[Qiyuanqiii]

背景

SCHEMA.md 已定义 VulnGym 数据发布时需要满足的结构和跨文件不变量，但仓库目前缺少统一、可直接运行的校验入口。数据贡献者需要分别检查 JSONL、节点位置和 reports/entries 关联，容易遗漏数据漂移或编码损坏。

本 PR 不修改现有数据，新增一个纯标准库数据集完整性校验器。

实现

• 新增 examples/validate_dataset.py。
• 校验 UTF-8、JSONL 对象结构、文件结尾换行和稳定字段顺序。
• 校验 entry/report ID、commit、repo URL、source link、origin 和 verify。
• 校验节点必需字段，以及正整数和 "start-end" 两种行号形式。
• 校验 entries.jsonl 与 reports.jsonl 的双向关联：
  • report 是否存在对应 entries；
  • entry_ids 是否完整、有序且无重复；
  • num_entries 是否准确；
  • report 元数据是否与 entries 的规范值一致；
  • vuln_ids 是否等于 entries 的规范化并集。
• 检测 U+FFFD、典型乱码标记，以及中文旁异常 ASCII ?。
• 支持 --entries、--reports 和 --json-out，失败时返回非零退出码，可直接接入 CI。
• 新增 7 个 unittest，覆盖正确数据、跨文件错配、倒序区间、重复 ID、排序漂移、元数据漂移和文本损坏。
• 同步更新中英文 README。

验证

python -m unittest discover -s tests -v
python examples/validate_dataset.py
git diff --check origin/main...HEAD

验证截图

单元测试与分支状态

数据集完整性与远端校验