5 运行一次受控回归
冻结身份，建立可比 baseline，只改一个面，并检查 Trial 级证据。
Snapshot Candidate、验证 Dataset、Doctor Stack、预览 Context；新路径先运行 diagnostic，再运行 promotion-eligible Job。
你做什么
声明一个假设和一个允许的改动。保持 Dataset、criterion、provider 与 runtime 不变，除非改动明确要求新 baseline。
Harbor 记录什么
Manifest digest、Context v3、model/Judge 身份、Trial output、criterion Evidence、validity、coverage 与 governance impact。
这不能证明什么
如果证据无效、coverage 下降或 baseline 不可比，更高 raw reward 也不是进步。