docs: 核对任务书 09；方法.md 补核验修复用完时的处理

- 方法.md 4.3 ⑨ ⑯、6.6：修复次数用完仍不通过，正向候选不跑；消融格可重做，用完记证据不足。用户原话："同意"。
- 结构.md：materials 行数范围改为 1200–1850。
- WORK_LOG：记下核对发现的 7 处要改的地方，并入任务书 10；删掉一条没有实测证据的推断。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

WORK_LOG.md

@@ -49,9 +49,19 @@
 - materials 与 submissions 一起设计、分两份任务书（09 materials 先、10 submissions 后）：materials 对每个任务产出"给模型看的材料 + 对号清单 + 能读的代码版本"，整份存进"模型调用开始"记录，submissions 只拿清单对号；谁能看什么每种任务一个函数，不写通用判定；提示词以参考项目为底稿只做必要改动；materials 预期 1200–1800 行，submissions 500–800 行。用户原话："我建议submissions和materials一起做你觉得可以吗？"、"可以"、"都同意"。
 - 中断的模型调用，恢复时补写"出错、原因'进程中断'、墙钟时间测不到"（`callEnded` 的墙钟时间用 `Measured`）。用户原话："墙钟时间改用 Measured，恢复时写出错加测不到（原因'进程中断'）"。
 - materials（任务书 09）开工前用户定的四件事（2026-10-03，用户选了推荐项）：vocab 上限改 1150，只放对号清单 `Checklist`，任务材料其余类型放 materials；冻结协议、位置表、判重合并输出、决定种类和编号规则由 materials 定义并导出，flow 照着写，ledger 不改；实验员、核验员不给信念本，方法.md 4.3 ① 改为"研究者任务"；合并而成的候选按原提案挑刺。
+- 核验不通过、修复次数用完时：正向候选不跑（不扣次数，记事件写明原因）；消融格和正向一样可以退回实验员重做，次数用同一个修复上限，用完仍不通过这一格不跑、不扣次数、记"证据不足"（方法.md 4.3 ⑨ ⑯、6.6）。用户原话："同意"。
 
 ## 未完成
 
+- 任务书 09 核对后要改的 materials，并入任务书 10 先做（监督者核对 446e262 时发现，用户同意）：
+  1. 挑刺的"现在交什么"落进了研究者的通用一句"调用一次交上就完成了"，和任务说明"可以交一份或几份"相反；给挑刺单写一句。
+  2. 退回记录加"对象"字段（同提交记录的 target）；materials 按阶段、作者、种类、对象找上一次的退回，删掉按 `callId` 前缀定位的写法和"同一任务不并行"的要求。
+  3. 核验材料里删掉 Jev 预扫的概率和阈值：方法里没有这一项，能到核验说明 Jev 已判过没问题，再给核验员看等于把 Jev 当提示用。
+  4. 信念本选批历史补"合法化扣掉的分"（方法.md 6.10 第 3 条）。
+  5. 删掉"答案出自被关掉的因子，它本该关着"那句：方法里没有，也没有真实证据。
+  6. 消融核验不通过可以重做（用户 2026-10-03 定）：重发消融实现时材料里带核验意见；一格不跑而记"证据不足"时，信念本不能再去读它的运行（现在的写法假定证据不足的格一定有运行），rules 里 `insufficient` 的注释跟着改。
+  7. 顺手改三处旧说法：`tasks/circle_packing/TASK.md`"保障写'无'时写 {}"；`src/vocab/submissions.ts` 开头注释的 q₁ ≤ q₅ ≤ q₉；读代码工具的 `offset` 参数（提示词里已删）。
+- 信念本"按因子归并"（方法.md 6.10 第 1 条"出现在哪些候选里"）：现在是每个候选的每个因子一行，用"（延续 X）"连起来，没合成一行。等真实运行后再看要不要合。
 - jev 判重材料加上每个因子的"关键设定"（现在只有名称和做法，而问题写着"设定不同就不算同一个改法"），并入下一份任务书。用户原话："我同意加上"。
 - Jev 校准：新项目跑出真实研究后，从账本取真实的 Jev 判断和材料，由 Claude 或 GPT 打标签作为校准集和留出集，重新校准九问的问法和阈值。不用参考项目 8 个验收数据库（材料格式还会变）。
 - `inbox/调研.md`：要迁进 `docs/调研/` 的调研结论。
@@ -80,8 +90,7 @@
 - 给 flow：容器名要在本机所有研究之间唯一（例如带研究编号）；`docker run` 因重名失败时 runner 按"启动了"处理。日志目录每次运行一个新的。
 - 给 flow：取出时目标目录必须是空的，workspace 不查。
 - 给 flow（materials 审阅）：冻结协议只在回应阶段关闭后写进账本，阶段内给 Jev 查的协议只放内存；解封只在本轮收尾阶段关闭后写；阶段关闭只在名单上的人交齐后写。materials 把这几条记录的出现当作"已公开"，提前写会泄露（审阅者在临时账本里实测过）。
-- 给 flow：没采纳时也写一条采纳决定（adopted 为 null），本轮正向运行靠它公开；修复任务要在核验阶段关闭后再发；模型调用编号用 materials 的 `callId`，同一人同一阶段同一种任务不并行（退回原因按编号前缀定位）。
-- 给 flow：每个任务单独一个代码取出目录，只取出这份材料列出的版本；实验员的 shell 不能读到别的候选的取出目录和研究目录里的 ledger.db（里面有封存和第一次预测）。审阅者读代码推断，未实测。
+- 给 flow：没采纳时也写一条采纳决定（adopted 为 null），本轮正向运行靠它公开；修复任务要在核验阶段关闭后再发。
 - 给以后换任务镜像：镜像里必须有 `setpriv`（runner 用它把命令降到当前用户）；容器里不要用 `python -I`，它会忽略 `PYTHON_CPU_COUNT`。
 
 ## 工作方式（用户 2026-10-01 定）
@@ -95,4 +104,4 @@
 
 ## 下一步
 
-任务书 09 已完成并本地提交，等监督者核对；之后写任务书 10（submissions，并带上判重材料加关键设定）。
+任务书 09 已核对（行数范围改为 1200–1850）。下一步写任务书 10（submissions），开头先做"任务书 09 核对后要改的 materials"那几条，并带上判重材料加关键设定。

docs/方法.md

@@ -254,7 +254,7 @@
   - `concerns`：照冻结原文实现、但认为会出问题的地方，尤其是某条保障会挡掉或改变什么。没有就写"无"。它不阻止运行，也不改动协议。
 - 程序检查实验员有没有改不许改的文件。Jev 检查改动里有没有这几类问题：用了不固定种子的随机数、协议没登记就读时钟、算登记指标的方式与定义不符、比协议登记的停止条件更早结束、测不到的量写成 0。有就退回。
 - 程序把两类情况交给核验员：没有归到任何因子或保障的改动，核验员逐条判断是否越界；同一行同时出现在因子和保障里，核验员在说明里写一句，只是提醒，不判越界。
-- 核验员只交逐项结果：每条实现条款、每个因子、每条保障，找没找到、在哪里；没有归属的改动，逐条判断是否越界。只要有一项"没落实"或者判为越界，程序就判不通过，退回实验员修复。修复次数有上限，可配置。
+- 核验员只交逐项结果：每条实现条款、每个因子、每条保障，找没找到、在哪里；没有归属的改动，逐条判断是否越界。只要有一项"没落实"或者判为越界，程序就判不通过，退回实验员修复。修复次数有上限，可配置。用完了仍不通过，这个候选不跑：不扣运行次数，记一条事件写明原因。（用户 2026-10-03 定）
 
 **⑩ 正式运行（程序）**
 
@@ -309,6 +309,7 @@
   - 交"这一格跑不起来：原因"。这一格不启动，也不扣次数；
   - 报告还需要一起关掉哪个因子，这一格就同时关掉它们，并写明。
 - 核验员只查一件事：是不是只关了指定的因子。
+- 核验不通过时，和正向一样退回实验员重做，次数用同一个修复上限；用完了仍不通过，这一格不跑、不扣次数，记"证据不足：原因"。（用户 2026-10-03 定）
 - 运行的规矩和正向运行相同。
 - 完整代码和基线的分数，直接取本批已有的运行结果，不重跑。
 
@@ -489,7 +490,7 @@
 | 结局   | 情形                              | 解释在这一格                 | 撑几成                                |
 | ---- | ------------------------------- | ---------------------- | ---------------------------------- |
 | 有效分数 | 跑完、有分数（含合法化后的分数）                | 判确认 / 否定；记世界比特与惊讶      | 按公式算                               |
-| 证据不足 | 启动了（扣了次数），但跑崩、超时、没有产物、修不了，或判为违规 | 不判，不记账                 | "证据不足：原因"                          |
+| 证据不足 | 启动了（扣了次数），但跑崩、超时、没有产物、修不了，或判为违规；或者核验不通过、重做次数用完（不启动，不扣次数） | 不判，不记账                 | "证据不足：原因"                          |
 | 没测   | 信息价值减成本没选中，或者剩余次数不够             | 不判                     | "没测：原因（附净值）"                       |
 | 跑不起来 | 实验员交了"跑不起来"，也没给一起关的方案；不启动，不扣次数  | 不判                     | "跑不起来：原因"                          |
 | 一起关  | 关 p 时代码跑不起来，实际和 q 一起关了          | 记"证据不足（测的是 p + q 一起关）" | 记在"p + q 一起"名下，不算成 p 的；q 有自己的格时照常测 |

docs/结构.md

@@ -189,7 +189,7 @@ Jev 是一个判别器，和程序检查地位相同，不单独成一种记录
 | rules | 1500–2500 |
 | submissions | 600–1000 |
 | jev | 400–600 |
-| materials | 1200–1800（实际 1831：其中 shapes.ts 约 116 行是用户 2026-10-03 决定 2 新加的账本内容形状，原估算没算它） |
+| materials | 1200–1850（多出的部分是用户 2026-10-03 让 materials 定义的账本内容形状） |
 | agents | 600–700 |
 | workspace | 200–300 |
 | runner | 250–450 |