[P10] docs(P10): EVALUATION.md 评测方法论——泄漏发现+held-out+消融+语义鸿沟诚实定位

本阶段真实工作: 区分泄漏口径(kGym patch=fix)与无泄漏口径(syzbot held-out)。held-out 真实 Hit@3=0.177。消融: 向量有害(kGym+held-out双一致)/CE wash/parser 修复+36pp。诚实定位: 60% 纯崩溃日志未达, 85% 非指标分(创新/实现/可解释/文档)是强项。

Closes #13 (closed)