[leafliber]

上线首周召回判断在插件 5 秒预算下有 34% 超时。本 PR 只增加 RJ-B1 汇总报告，比较七份公开语料的 high／low：两档各 191 次判断全部成功，low 的 P95 从 3.657 秒降至 2.214 秒，各语料 Recall 与 relevant 精确率均不下降，误返均为 0；合计 nDCG 小降 0.0013，符合现有守则。

建议仅将 recall_judge 设为 low，插件使用 judge_budget_seconds=7、prepare_timeout=12。报告说明 5／7 秒超时数是同轮耗时估算、10 秒为实测，并用四个假网络场景证明宿主短预算到期会触发三次错误暂停，提出区分超时来源的后续实现建议。本次不修改产品代码或线上设置，无作废运行。

完整材料：/Users/cassia/Local/Code/iris-eval-artifacts/RJ-20261017/。旧 M2 材料和缓存缺失，本次重新生成 471 个 embedding。191 对请求除档位外完全一致。

验证：Python 3.13 与隔离 Python 3.12 全套测试各 3713 passed；自己的 .pytest-tmp 已清理。仅提交 evals/reports/recall-judge-effort-20261017.md。