HarnessEval-W: агентное превращение оценки визуальных миров

Заменяет brute-force скалярные метрики для развёртываний world-model агентным конвейером: родительский агент разбивает каждую оценку на подзадачи, порождает специализированных сабагентов с адаптированным контекстом и диагностическими инструментами, затем валидирует и суммирует дерево доказательств. Применённый к 18 world-моделям на 330 случаях, его вердикты согласуются с человеческими предпочтениями, одновременно раскрывая посылочное рассуждение для каждого развёртывания.