0.10.1 — 可信科学评测闭环

发布于 2026-09-26。正式 source tag：v0.10.1。

已交付

• 正式 Candidate Experiment 只通过私有 Dataset 严格 Adapter 执行 exact harbor-dsh-evaluator/v2 bundle；Dataset verifier 与 v1 fallback 不能成为分数权威。
• 可信 Evaluation Report、内容寻址 Job bundle、跨产物 Evaluator 身份、score suppression 与执行失败处理，阻止无效证据进入质量结论。
• repeat-aware Experiment、paired uncertainty、不可覆盖 Promotion report、exact Policy snapshot 和更严格的 Docker/环境 invariant，让 governed comparison 可审计。
• Historical diagnosis、Candidate-bound business observation、独立 Ground Truth meta-evaluation 与人工确认 badcase draft 保持各自证据边界。
• diagnostic、experiment 与 governed 产品模式只展示当前证据级别允许的控制面。
• Plugin、Skill 与 Python Adapter 身份对齐为 0.10.1，两个 package 均包含 34 个公共 Schema。

发布修复

0.10.0 已发布到 npm，但 clean Linux tag/PyPI workflow 在构建 Python artifact 前暴露两项 release-test portability 问题。公开 tag 和 package 版本没有移动或覆盖。0.10.1 保持相同 runtime 行为，修复 test-helper 导入并使用仍有界的 shared-runner 响应预算，正式取代 0.10.0。

验证

0.10.1 归档记录本地自动化证据、0.10.0 失败发布证据与 0.10.1 协调发布状态。

限制

默认 Host 模式不受限、不是沙箱。Historical 结果永远不能成为 Promotion Gate 证据，Job seal 只是内容完整性收据，不是外部签名。