[P2-2] Benchmark V2 프로토콜을 실행 전에 동결한다

[jsleemaster]

목표

결과를 본 뒤 평가 기준을 바꿀 수 없도록 3-arm 비교의 과제·예산·rubric·원시 데이터 schema를 먼저 고정한다.

의존성

• [P0-3] 활성화·배포 계약을 고정하고 소비자 지침을 분리한다 #48 활성화·배포 계약

프로토콜

• arms: baseline / 10줄 수동 프롬프트 / 실제 설치 Gooblin
• 최소 4개 공개 repo의 현실 과제 8개
• repo와 task별 immutable SHA
• 동일 budget와 격리 context
• 실제 코드·테스트 실행
• blind human review
• token, wall time, diff, dependencies, scope, verification, safety 측정

완료 조건

• task selection과 제외 기준이 사전 등록된다.
• 세 arm의 유일한 차이가 명시된다.
• raw-output schema와 누락/timeout 처리 규칙이 고정된다.
• reviewer blinding과 disagreement 처리 규칙이 있다.
• 성공 조건은 Gooblin의 승리가 아니라 데이터 완전성과 재현성이다.
• 프로토콜 파일 변경은 실행 시작 후 별도 revision으로 남는다.