exp+test: #31 机制落库——门控地平线 select=pre --pre_near（远端短前瞻、近终段用整条地平线）

轮次 48 的曲线给出：时限收益随 h 缩短单调上升，而末态精度代价集中在 h<=4 ⇒ 假设病因是
"近终段没有终端代价"而不是"前瞻短"。本参数把两者分开：当前误差<=pre_near(mm) 时打分退回
整条地平线，远端保持 commit 窗口口径。代价多一次 goal_err(B×K 点)，只在门控开启时发生。

单测按夹具手算：起点 e=900 ⇒ pre_near=950 必须在第一次规划就翻回 endpoint 的选择，
pre_near=100/0 必须保持 pre 的选择(三条断言彼此可分，门控若没接上会直接红)。
52 项测试绿；ast 复核新局部名(qa_pre/qa_full/e_pre/e_full)未遮蔽任何 rollout 形参。
判读规则预注册写在 ml/runs/_r49_gate.sh 顶部：成立=err_success_med 回到 ~0.22mm 且
time_ok 保住 >=0.31；只满足一半则记为机理负结论。两个阈值(5/20mm)都报，不挑最好。

ml/eval/eval_cl.py

@@ -121,6 +121,7 @@ def main():
     ap.add_argument('--len_w', type=float, default=0.0, help="ep_len=罚累计归一行程；ep_waste=罚(1−净/总)×当前误差；0 与 endpoint 逐位相同")
     ap.add_argument('--tie', type=int, default=0, help='1=等长安全前缀时按沿路最小间隙定夺（需 --cert_batch 1）')
     ap.add_argument('--pre_h', type=int, default=0, help="select=pre 的打分步长：0=commit_n（被执行前缀），>0=按绝对步数（#30 曲线）")
+    ap.add_argument('--pre_near', type=float, default=0.0, help="select=pre 的门控阈值(mm)：当前误差≤它时改用整条地平线打分（#31，0=关）")
     ap.add_argument('--backoff', type=int, default=0, help='全拒时把首选候选按 1/2、1/4…缩步重试的档数（需 --cert_batch 1）')
     ap.add_argument('--max_sec', type=float, default=None)
     ap.add_argument('--seed', type=int, default=0)
@@ -148,7 +149,7 @@ def main():
             safety_partial=(a.commit if (a.safety and a.partial) else 0), commit_n=a.commit,
             select=a.select, replan=a.replan, fb_gain=a.fb, fb_scale=a.fb_scale, fb_near=a.fb_near, fb_fallback=a.fb_fallback, fb_ki=a.ki, fb_decay=a.kdecay, fb_imax=a.kimax,
             fb_every=a.fb_every, safety_try=a.safety_try, sel_w=a.sel_w, dls_safety=a.dls_safety, fb_clear=a.fb_clear, fb_cmin=a.fb_cmin, sub_refresh=a.sub_refresh, fb_block_gain=a.fb_block_gain,
-            inc_cap=a.inc_cap, gap_margin=a.gap_margin, cert_batch=a.cert_batch, backoff=a.backoff, len_w=a.len_w, tie=a.tie, pre_h=a.pre_h, return_traj=bool(a.trace))
+            inc_cap=a.inc_cap, gap_margin=a.gap_margin, cert_batch=a.cert_batch, backoff=a.backoff, len_w=a.len_w, tie=a.tie, pre_h=a.pre_h, pre_near=a.pre_near, return_traj=bool(a.trace))
     wall = time.perf_counter() - t0
     result = {**meta, 'metrics': r, 'simulation_wall_s': wall}
     print(json.dumps(json_finite(result), ensure_ascii=False, allow_nan=False), flush=True)