feat(benchmark): 落地自证采集器（阶段0+1）— S_gain≡G_E 接通 S_swarm + leaderboard

阶段0（定口径，docs/benchmark/emergence-evaluation.md §6 v2.1-impl）：
- S_gain ≡ G_E（差值，不强制归一 [0,100]，与标准「见涌现增益」字面一致）。
- 聚合 S_gain 取对最强基线（Q_base 最大）的 G_E（最保守，避免挑弱基线虚高）。
- Q ≡ Q_quality；swarm_valid 仍要求对全部基线 G_E>0 且 G_E,c>0。

阶段1（采集器）：
- 新增 benchmark/collectors/selfcert_collector.py：把套件 5 份 BenchmarkRunRecord
  （swarm+4基线）+ 可选活体 SwarmMetrics 合流，经 baselines.compare 算 G_E/G_E,c，
  补全 run_collector 无法自算的 s_gain/g_e/g_e_cost/s_swarm，可能时产出 Benchmark_Agent。
- benchmark/leaderboard：实现排行榜聚合+渲染（标准 §11 字段）。
- run-benchmark-suite.py 接入自证 + leaderboard 输出。

诚实纪律（组织规则 #9）：缺真实输入一律 NaN+coverage False，不伪造。
- O（可观测性）标准无公式 → 恒 NaN；Gov 计数器未实现 → 无活体治理则 NaN。
- 故完整 Benchmark_Agent 数字仍待 O 公式 + Gov 计数器（阶段2），采集器明列缺口。

验证：新增 test-benchmark-selfcert.py（17 项）+ 现有 benchmark 测试（metrics/
collector/comparison/runners）+ offline suite + 契约冒烟（runtime/merge/freeze）全 PASS。

影响范围：仅 agent_swarm benchmark 模块 + docs；不改 Manager↔Swarm 契约/计费/审计/密钥/发布链路。

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

docs/benchmark/emergence-evaluation.md

@@ -61,8 +61,19 @@ Q = Q_quality = 0.4·TestPassRate + 0.3·CodeReviewScore + 0.3·UserAcceptance
 
 > 在以上落地前，**不得宣称已验证蜂群涌现能力**（重大能力缺口）。
 
-## 6. 待对齐
+## 6. 实现口径（v2.1-impl，2026-06-12 落地自证采集器时锁定）
+
+标准 §5.1 写 `S_gain` 「见第 6 节涌现增益」，但未给从 `G_E`（差值）到 `S_swarm` 分量的换算。落地采集器（`benchmark/collectors/selfcert_collector.py`）按以下口径执行，**不引入标准外的归一化/魔法系数**：
+
+- **`S_gain ≡ G_E`**：直接取涌现增益值。`S_swarm` 的若干分量（`V_speed`/`E_cost`/`S_cost`）本就可超过 100，故 `S_gain` 不强制归一到 `[0,100]`，与标准字面「见涌现增益」一致。
+- **聚合基线 = 最强基线**：当对 4 类基线分别得 `G_E_i` 时，进入 `S_swarm` 的单一 `S_gain` 取**对最强基线**（`Q_base` 最大者）的 `G_E`，即 `min_i G_E_i`——最保守口径，避免挑弱基线虚高。逐基线 `G_E_i / G_E,c_i` 仍全量保留在 leaderboard。
+- **`Q ≡ Q_quality`**（标准 §5.3，掩码归一见 `swarm-metrics-schema §4`）：与 §3 一致。
+- **成立硬条件不变**：`swarm_valid` 要求对**全部**基线 `G_E>0 且 G_E,c>0`（见 §2 与 `baselines.evaluate`）。
+
+> ⚠️ 该口径为**实现级裁定**，已与 owner 对齐（「标准见 docs/benchmark/，S_gain 见涌现增益」）。若后续标准 v2.x 给出不同换算，以标准为准并同步本节。
+
+## 7. 待对齐
 
-- `Q` 的唯一口径。
 - 四类基线的标准实现（尤其 Strong Agent / Chain Agent / Sub-Agent 的定义边界）与统一数据集。
 - 运行次数、方差/显著性门槛。
+- `Benchmark_Agent` 仍缺两分量：`O`（可观测性，标准无公式）、`Gov`（计数器未实现，见 governance-score.md）——采集器对二者诚实置 `NaN + coverage=False`，故完整 `Benchmark_Agent` 数字待这两项落地。