Model matrix runner

状态：MODEL_MATRIX_R0_IMPLEMENTED / DEVELOPMENT_OFFLINE_ONLY / TRACE_SCHEMA_V1 / RESUME_PREFIX_SAFE / HISTORICAL_REPLAY_NO_RERUN

稳定 Interface

从 E:\linnan\linnan 执行：

python scripts/run_model_matrix.py --validate-only
python scripts/run_model_matrix.py --manifest scripts/research/model_matrix/matrix_manifest.json

matrix_manifest.json 是运行选择层。换模型、分辨率、数据或输出根时，优先改 manifest 的 job；模型资产和适配器入口只在 model_registry.json 中声明，不在 runner 代码内硬编码。model_registry.json 的 legacy_trace_replay 条目优先复用 已完成的 RISKSEG-R0 trace，避免把相同设备实验重跑一遍。

支持的适配器：

• legacy_trace_replay：把历史 JSONL trace 转为统一逐帧 schema；旧 trace 缺失的 raw boxes/logits/mask 会明确标成 partial 或 not_provided。
• truth_mask：仅对显式 oracle job 开放 mask 路径，并在 trace 留下 truth_fields_read 和 evidence_role=oracle_reference。
• fixed_rule、fixture：固定规则与 synthetic canary。
• tflite、depth_anything_v2：可选 host 依赖存在时运行；缺依赖只产生 NOT_EVALUABLE receipt。
• python_callable：由 registry/manifest 指定未来薄适配器，接口为 factory(context) -> object.infer(frame_input)。

输出

每个 job 写入 artifacts.local/evidence/.../jobs/<job_id>/：

• trace.jsonl：每个 source frame 一行，含 detections、segmentation logits、mask、 depth、risk output、known/UNKNOWN、clearance、latency、model/config hash 和 source/frame identity；大型 tensor 以 artifact 引用写出。
• receipt.json：job 级状态、资产清单、trace hash、错误行数和执行身份。
• 顶层 run_receipt.json、progress.jsonl、resume_state.json：矩阵汇总、外部 可监控进度和可恢复状态。

输出状态区分 COMPLETE、PARTIAL_ERROR、NOT_EVALUABLE 与 PRECHECK_ONLY；缺失模型输入、旧实现没有逐帧合同或依赖不存在都不能伪装成空预测。

安全边界

• 这是 host/offline Development runner，不接 Android 默认 App、提醒、安全或生产 promotion authority。
• 数据 registry 的 truth_fields 默认从普通 adapter 输入中剥离；只有 truth-mask adapter 显式读取 oracle 字段。
• model_hash 来自真实资产时标为 asset；固定规则/adapter 标为 logical；资产 缺失时为 missing，不会生成伪造的 checkpoint hash。
• 既有 RISKSEG-R0 设备 trace 只按 replay 读取；runner 不改写原 evidence root。

停止条件

manifest、registry、dataset manifest、trace schema 或 runtime state 的 hash 发生漂移 时，runner fail closed；已有 trace 必须是预期 frame identity 的连续前缀，不能通过跳过、 重排或重复行“恢复”。需要改变输入合同时，创建新的 run_id/output root 或新的 job identity。

临时数据、模型和批处理输出必须留在 artifacts.local/；本模块不自动下载依赖、不自动 启动设备实验、不把 Development 结果写成模型晋级结论。