feat(benchmark): default LoopX entry to planned and document ablations

[loopx-agent]

New LoopX benchmark runs now use loopx-planned when task entry is omitted, so initial task decomposition goes through the existing planning checkpoint. Explicit seeded-todo remains available for compatibility and controlled ablation. Official, single and native-goal behavior stays unchanged.

The shared Execution owner resolves the default for Harbor, EdgeBench, worker environment and LHTB rendering/preflight. Runtime receipts record the resolved selection. The LHTB launcher and SWE-Marathon example follow it. No historical study configuration is rewritten.

benchmark/runtime/SETTINGS.md distinguishes defaults from recommended study settings and supplies matched entry, Explore, turn-envelope, effective-turn cadence, and no-LoopX controls. Effective-turn cadence remains explicit; this default change makes no causal score claim.

Validation: 133 SForge/shared-runtime checks passed with real Harbor and SForge packages; 12 focused bootstrap, resolved-receipt, real CLI planning and adapter-budget checks passed. Four real LHTB renderer readbacks and shell syntax passed. Initial failures from seed-dependent tests were corrected by naming explicit seeded entry; receipt checks now exercise the real worker. Ruff and diff checks passed. No model experiment is part of this PR validation.

Placement: existing benchmark provider adapters, with one shared settings owner; no new control-plane decision rule or frontend capability. Bounded refactor: remove duplicate task-entry validation/defaults in callers. Existing entry and settings interfaces remain reversible through an explicit seeded option. Runtime merge remains maintainer-owned.

[loopx-agent]

Reviewer: model_agent; gpt-6.1-sol; OpenAI; runtime_reported; reasoning_effort=xhigh

Approval conclusion (author-owned PR; GitHub blocks formal self-approval)

Exact head: 8107a6d

动机

通过 Harbor、EdgeBench 或 LHTB 启动新 LoopX benchmark 任务的研究操作者。
旧版本省略 task entry 时直接创建通用 Todo；新版本先通过现有规划入口分解任务，显式 seeded-todo 仍保留旧行为。
同一输入在八个 LoopX 默认入口从 seeded-todo 变为 loopx-planned；其它模式、显式选项、拒绝信息和完整生成配置保持一致。
这只资格化新运行的默认入口与配置读回，不证明模型效果或分数改善，不改写旧实验或正在运行的 worker。
S11/E3 的模型采用、持续工作和 matched-run 效果仍由既有研究 owner 用新 attempt 验证。

改动思路

省略选项只是调用意图，不能让各 provider 各自解释默认值。已有 Execution 根据 mode 一次性解析 omission：heartbeat、turn、loopx-goal 使用 planned；plain/native-goal 保留 inert seeded 值，然后继续既有合法输入检查。Harbor、SForge、worker、LHTB renderer/preflight 都复用这个配置 owner，EdgeBench 收据记录 worker 的有效选项。

选择 planned 仍进入既有 product planning checkpoint，检查真实 Todo 身份、任务摘要、owner 和可运行状态；budget、等待、pending Turn 与重试规则没有新 owner。显式 seeded 可以回退。与每个 caller 复制默认值相比，该改动更容易修改和验证；Python 位于专门 benchmark adapter，不新增泛用 Python 控制面决策源。

具体改动

完整 15-path diff 已审查：Execution、Harbor、SForge、worker 四个 runtime 文件；EdgeBench 入口和有效收据；LHTB shell、renderer、preflight 与 README；SWE 示例配置；RUNTIME、SETTINGS 和三个既有测试模块。未添加执行模块、评分规则或新的 CLI 选项。SETTINGS.md 占最大新增量，区分操作默认值与可选研究建议，要求显式 pins、matched factors、新 attempt 和历史不可变。

规格：benchmark/runtime/RUNTIME.md，spec_revision 8251ec80e0c327d28d13a1fd64e3f343a2aa3c0e，在读 diff 前读取该不可变版本：

• Task entry and planning ablation：implemented。入口与 mode 分开；新的 omission default 是披露的有意变化，显式 seeded/planned 保留原语义；规划时间仍消耗既有总预算。
• Native SForge task entry：implemented。非 heartbeat 拒绝 planned；heartbeat worker 和 runtime 收据都使用已解析的 entry，规划失败或 stale/blocked readback 不进入执行。
• Each phase keeps an immutable task document：implemented。既有 phase、pending Turn 和等待路径未改写，相关真实 CLI/adapter 测试通过。
• Migration and qualification：deferred。模型采用、matched study 和 benchmark score 不由该操作默认变更证明，继续由既有 S11/E3 研究 owner 验证。

关键代码讲解

1. benchmark/runtime/codex.py:28 Execution.__post_init__：先验证 mode/context，只把 task_entry is None 按 existing uses_loopx 解析；empty、unknown 和非 LoopX planned 仍拒绝。
2. benchmark/runtime/sforge.py:79 SForgeWorker.__init__：去掉平行的默认与 TASK_ENTRIES 检查，复用 Execution；profile、timeout、envelope、cadence 保护保留，official/single/native-goal 的 continuation authority 不变。
3. benchmark/runtime/worker.py:242 run_once：从环境读取 omission，解析后写入 wake receipt；错误 plan stage、非法 envelope 等既有拒绝路径保留，规划 checkpoint 不作为完成或扣额。
4. benchmark/LHTB/scripts/render_config.py:15 main：CLI omission 交给共享 owner，并把有效 entry 写进完整 YAML；run.sh 不再强行传 seeded，preflight 同样读取解析后的配置。

对主干的风险

最大风险是跨版本实验省略 entry 后 treatment 已变化，却被误当作只改一个模型/分数。文档明确旧/新默认、显式 rollback、receipt 与 source pins；Explore、envelope、effective-turn cadence 仍独立 opt-in，推荐矩阵不自动启用它们。已有历史配置和 active worker 没有被改写，非 LoopX 模式未获得规划权限。

独立 head 163 项测试通过，source-asserted 不可变 base 148 项通过，安装实际 Harbor/SForge 包且无 dependency skip。另以同一输入运行 58 组 mode/profile/entry/真实 LHTB renderer 对照：八组 omission 按披露变为 planned，除此之外完整有效配置和拒绝语义一致；仅规范化源目录与 traceback 行号，没有丢弃诊断文字。覆盖 explicit seeded、plain/native/heartbeat、非法/empty entry；task-entry suite 还验证真实 CLI 首次规划/复用、fabricated/blocked plan、phase 等待、失败 handoff、预算耗尽和恢复。

独立 renderer 探针第一版遗漏 source PYTHONPATH，base/head 均报同一导入失败；按公开 runner 的 source-checkout 约定补上后，八组 renderer 均完成正/负断言。最初 semantic smoke 命令路径误写，保留该 setup 失败，随后用仓库现有全树脚本通过。Ruff、shell syntax、diff 和 advisory 后的 semantic smoke 通过。模型、Docker/native remote solve 与 scorer 不在本次资格化内，不查询或等待 CI。

语义与 CI 对齐

复用现有 MODES/TASK_ENTRIES，不引入新的共享词汇；None 表达 parser omission，并在一个 owner 解析为原合法集合。默认行为是明确改变，不能声称整个 LoopX omission 路径 feature-off parity；仍保留既有 optional mechanism 的关闭分支和显式 seeded compatibility。研究建议与 machine-enforced mode/entry/budget 条件分别说明。

我的整体评价

APPROVE，交付判断为 justified_increment：新的操作默认在所有实际 caller 中一致且可读回，剩余模型效果交由现有 matched-run 验收。long_horizon preserved：预算、等待、历史输入和规划恢复保持；user_experience improved：调用者省略选项时得到一致有效值，回退只需一个显式 entry 设置，没有新增必须重复输入的信息或确认步骤。

未来变更的有界重构已应用：共享 Execution 取代重复 caller defaults 与 SForge 校验，未增加猜测性 abstraction。默认变化对新 attempt 生效，rollback 使用 explicit seeded 或旧 pinned revision，不改旧收据。未发现当前阻塞；approval 是这个 exact head 的证据结论，CI、平台 aggregate、closeout 和维护者 merge 授权分别判断。同作者账户以 COMMENTED 保存本结论，不能称为 GitHub formal APPROVED。

English verdict: APPROVE - 8107a6d. One existing Execution owner resolves omitted LoopX entry to planned; explicit compatibility, non-LoopX modes and native planning/budget guards remain. Independent head163/base148 tests and58 paired settings/renderer cases pass. Model benefit remains unqualified; CI was not consulted.