plan-mode-zapabob-so8t

AEGISモデルのARC-Challenge改善、GSM8K健全性検証、GRPO報酬多目的化のための包括的Planモード。頑健な回答抽出、タイムアウト最適化、データ汚染チェック、複数seed評価、汎化性能向上を実装。