[P2-3] Benchmark V2 harness를 구현하고 smoke run을 통과한다

[jsleemaster]

목표

동결된 프로토콜을 세 arm에서 격리·반복 실행하고 원시 결과를 잃지 않는 harness를 만든다.

의존성

• [P1-3] ownership manifest 기반 canonical installer v2를 만든다 #49 canonical installer v2
• [P2-2] Benchmark V2 프로토콜을 실행 전에 동결한다 #63 Benchmark V2 protocol

완료 조건

• baseline, 수동 프롬프트, 실제 설치 Gooblin의 context가 서로 격리된다.
• 동일 repo SHA, task, budget, timeout을 사용한다.
• run metadata와 stdout/stderr, diff, test result를 raw schema로 저장한다.
• 실패·timeout도 결과로 남고 재시도는 별도 repetition이다.
• 한 smoke task가 3 arms × 1회 완주한다.
• 동일 입력으로 dry-run 계획을 출력할 수 있다.
• harness 자체 deterministic validation이 CI에서 통과한다.

Raw Result 무결성 보강

• judge/output JSON에 strict schema 검증을 적용한다.
• 모든 metric score가 정수 0–5인지 검사한다.
• aggregate total은 raw metric에서 재계산하며 제공된 total과 불일치하면 invalid로 처리한다.
• malformed, out-of-range, total-mismatch run은 원본을 보존하되 aggregate에서 제외한다.
• 각 invalid 상태와 exit/result contract를 deterministic fixture로 회귀 검증한다.