rlf-codex-rl 5.8：gate 磁带收集器同时接受 rl_trajectory_reward 事件（ports 引擎关键修复）

[michaellchung]

范围与动机

-9 gate 跑的关键修复。-8 跑发现：ports launcher 把 --rollout-all-samples-process-path 绑定到 rollout_meta_hook.extract_rollout_metadata，导致 #234 中 legacy queue_completed_groups 的 _emit_sample_outcomes hook 在 ports 下从不执行，磁带上零个 rl_sample_outcome 事件，gate 拿不到样本级证据。

而 meta hook 本身已上报 per-sample 的 task_id/reward/success，driver 侧在 --rl-observe-timeline 下会记为 rl_trajectory_reward 磁带事件。本 PR 教 gate 收集器同时接受两种事件形态（rl_trajectory_reward 的 sample_index 填充 index），fail-closed 规则不变（缺数值 reward 跳过、磁带空洞拒绝）。

对应 openspec change：rlf-codex-rl（任务 5.8，attempt 8 教训）。

测试证据

tests/test_rlf_rl_gate.py: 24 passed in 1.73s

新增 2 个用例：rl_trajectory_reward 事件被收集（sample_index 填位）、与 rl_sample_outcome 混收判定。

依赖关系

• base：rlf-pr5-tape-outcomes（rlf-codex-rl 5.8：样本级 reward/success 上事件磁带，gate 从磁带收集 outcome #234）——直接改 rlf-codex-rl 5.8：样本级 reward/success 上事件磁带，gate 从磁带收集 outcome #234 落地的收集器与其测试；合并顺序：rlf-codex-rl 核心：trusted flag、Qwen3-30B-A3B profile、RLF 入口接线与 baseline runner #230 → rlf-codex-rl 5.8：RL gate 判定器 rlf_rl_gate + 证据链 + attempt-1 教训 #231 → rlf-codex-rl 5.8：--rl-training-attention-backend 与 --session-server-workers 两个训练侧 flag #233 → rlf-codex-rl 5.8：样本级 reward/success 上事件磁带，gate 从磁带收集 outcome #234 → 本 PR
• 栈顶，无后续依赖

Made with Cursor