[leafliber]

入口画像的发现缺口主要发生在每日观察未提名阶段。本 PR 增加默认关闭的提名并集实验：对同一批消息和目录独立观察两次，按操作与依据去重，冲突修改保留原条目，再沿用现有累计和严格准入。每次观察独立180秒预算，修正共享本次截止时间；已完成的一份可断点恢复。

运行设置为 entry_profile.union_nomination=false；原自动画像生成保持原状。未修改提示词、准入、证据选择、分页、生命周期、冻结语料或 scoring_v3。不同措辞不做语义合并，可能增加后续检查成本；本轮尚无真实模型质量结论。

运行器新增 repeat --runs N [--union-nomination]、summarize --series ... --score ... 和 compare --left ... --right ...。各次独立数据库与目录，完成原外部判分后保留全部运行，输出均值、逐案例分布、按运行序号及案例ID配对的覆盖差、违规／禁止内容及调用量和耗时。汇总为描述性结果，不改变原计分合并和门槛。

验证：

• 新增31项确定性／假模型测试，先红后绿。
• Python 3.13.13、隔离3.12.12全量各5438通过；uv build通过。
• 对main 9ae5d0e：116段公开学习请求（272批次）零差异；七份召回语料（228查询、五种模式1140返回）零差异。
• 关闭实验时，六例入口画像回放的37次请求与main逐字一致，无归一化。
• 本轮真实模型调用0；等待新公开dev集冻结及规划者通知后再运行对照，不合并。

规则、局限、命令及详细验证见 EF-27报告。完整材料只保留在仓库外。

[leafliber]

按用户 2026-10-20 决定（入口画像收住）：EXP2 预先登记的四条均不满足，提名并集不产品化。评测工具已拆出为 #132。分支保留。