docs(evals): 查标评测集规范 v0.2、留出集划分；渲染和离线查标脚本；新增待定事项 C12

- evals/check/GUIDELINES.md：请 Fable 审查 v0.1 后修改。响应方式按「文件 × 类别」记（逐条 / 默认接受 /
  证明材料（投标时、中标后）/ 文件要在 / 平台内应答），10 份招标文件逐份核对；规矩投标文件靠构造保证
  （表格脚本生成，LLM 只写散文和改写），对全部要求响应，问题只挂人工复核过的标注单元；注入分单点 /
  连续块 / 全局三种粒度、带不带标志词、两档密度；留出集注入词库和 C 风格说明开工时封存；评分补只检索
  基线、按单元去重、端到端召回。
- evals/check/split.json：开发集 S01 S02 S04 S05 S07 S08 S10，留出集 S03 S06 S09 + 真实国动投标文件。
- evals/check/render.py、run_check.py。
- m3-plan.md：新增待定事项 C12（每条要求怎么才算「响应了」）。

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

evals/README.md

@@ -22,3 +22,11 @@ cd .. && evals/run_all.sh base && cd server
 ```
 
 改了规则或提示词之后，换一个运行名重跑、打分，和上一次的 `summary.md` 对比。目前的基线是 `fix3`（`docs/architecture/extract-eval.md` §7；分数怎么读、为什么不能当达标证据，见 `extract-status.md` §2）；`base` 是修复前的那一轮，用的是旧切句（s3-v3），不能拿现在的标注集重新打分。正式清单里多出来、对不上标注的条目要逐条裁定（GUIDELINES §4）。
+
+## 查标评测集（2026-11-04 起）
+
+规范见 `check/GUIDELINES.md`，留出集划分 `check/split.json`（开工前选定，不改）。
+
+- `check/render.py <投标文件>`：把投标文件稿 `out/check/<投标文件>/spec.json` 渲染成 PDF，扫描件页换成图片，回填响应清单里的位置。
+- `check/run_check.py <投标文件>`：拿读标评测的清单离线跑查标的响应匹配，模型输出缓存在 `out/cache/`。
+- 生成器 `build.py`、注入 `mutate.py`、评分 `score.py` 待写。投标文件稿、PDF、响应清单都在 `out/check/`（不进 git）；留出集专用的注入词库和 C 风格写作说明封存在 `out/check/_sealed/`。