[loopx-agent]

Goal And Delivered Outcome

Following v2.2.0 release verification and the late-October / early-November EdgeBench multi-arm empirical studies (#7311, #7759, #7800, #7834, #7959, #7960), the bilingual engineering blog (apps/presentation/site/public/blog/) needed three concrete updates:

1. Context Delivery (blog/context-delivery/ & blog/zh/context-delivery/):
   • Remove the redundant context-native-path-v10 architecture diagram (which duplicated the decision-<id>/ file tree and clipped dense CLI lines at article width) and retain the clean four-file path tree (projection.json, required-context.json, delivery.json, *.reader.json).
   • Add <h3 id="ablation-evidence"> (Real-Model and Cross-Task Ablations: Value Chain and Boundary Counterexamples) with paired bilingual SVG charts (context-delivery-ablation-zh.svg / context-delivery-ablation-en.svg) and a 9-row empirical table covering:
     • EdgeBench ANN Vector Search (gpt-6.1-sol / xhigh, 18h, Recall@10 >= 0.95): 6-arm progression (Official 5,753 QPS @ 1.05h, Single 5,706 QPS, Native-Goal 4,372 QPS, Explore · Context off 5,766 QPS, Explore · Context on 6,020 QPS, Explore · Context on + Stride 7,159 QPS (+24.4% vs Official) via QT_8bit_direct (HNSW-SQ8)).
     • Layered Byte & Host Input-Token Accounting: -74.25% delta selected bytes (3.09 MB -> 0.80 MB), -38.54% 46-event paired selected bytes (3,089,841 B -> 1,898,889 B), -25.75% Stride selected bytes, -12.07% full-18h uncached host input tokens (8.57M -> 7.53M), -7.91% 16h common-window uncached input tokens, and -7.46% full-18h total input tokens (272.03M -> 251.74M, -6.46% turns).
     • Three Explicit Boundary Counterexamples: (1) project+read process stdout is 1.57x–1.83x selected file bytes due to navigation/diff envelope metadata; (2) first-2h early-window uncached input is 4.05x (1.00M vs 0.25M tokens) before long-horizon turnover amortizes initial full reads; (3) cross-task Historical Grid (lower is better) exhibits Official 1967 < Explore Context off 2054 < Explore Context on+Stride 2088 < Explore Context on 2242 under different runner/resource budgets (#7959, #7960), kept separate without cross-arm causal extrapolation.
2. EdgeBench Feedback & Memory (blog/edgebench-feedback-and-memory/ & blog/zh/edgebench-feedback-and-memory/):
   • Extend the Section 1 (#research-history) timeline through late October / early November (#7311, #7759, #7800, #7959, #7960).
   • Add <h3 id="astra-late-breakthrough"> (New Foundations Consistency (Astra max, 18h): Breaking the Late Plateau After Four Arms Stall) in Section 6 (#later-common-windows) with paired bilingual SVG charts (astra-late-breakthrough-zh.svg / astra-late-breakthrough-en.svg) including a 6h–18h (91.5–92.5) zoomed inset showing how official (91.9412, 2065/2246 @ 5.72h, followed by 11 zero-gain submissions over 11.5h) and heartbeat-resume (91.9412) stall while heartbeat-explore steps through 91.99 -> 92.03 -> 92.07 -> 92.25 (9.65h–13.98h) to 92.3419 (2074/2246, +9 net repaired declarations, 0 regressions) at 17.57h.
   • Add <h3 id="ablation-followup"> in Section 8 (#new-study) linking the ANN 18h layered ablation and the newly merged cross-task five-arm causal attribution studies (#7959, #7960).
3. TypeScript Control-Plane Refactor (blog/typescript-control-plane-refactor/ & blog/zh/typescript-control-plane-refactor/) & Blog Indexes:
   • Note #7834 (sqlite_v0 transactional todo_archive paging beyond N = 5 completed items) in Section 6 (#authority-storage) and #7510 / #7793 (v2.2.0 atomic CLI self-claim under hard_lease) in Section 9 (#semantic-repair).
   • Update the Chinese and English blog index summaries and November 3 empirical update labels.

Outcome basis: maintainer-requested bilingual blog refinement integrating verified EdgeBench and v2.2.0 evidence. Base: origin/main at 0098a0918efba50606a32f6190033abadef0fe87.

Author Declaration

• Written by: model_agent — Google Gemini / Antigravity.
• Specification and evidence owners: released v2.2.0 context-delivery contract, merged EdgeBench studies (#7311, #7759, #7800, #7834, #7959, #7960), and @shangzh0 archived 5-arm/6-arm trajectory ledgers.

Criterion	Disposition	Path / Evidence
Replace redundant context-native-path-v10 SVG with clean path tree and add empirical Context × Stride ablation chart + boundary counterexamples	implemented	apps/presentation/site/public/blog/{,zh/}context-delivery/index.html, context-delivery-ablation-{zh,en}.svg
Add Astra max 18h late-stage plateau breakthrough chart (with 6h–18h zoomed inset) and cross-task 5-arm trajectory-attribution summary (#7959/#7960)	implemented	apps/presentation/site/public/blog/{,zh/}edgebench-feedback-and-memory/index.html, astra-late-breakthrough-{zh,en}.svg
Record #7834 SQLite todo_archive transaction cutover and #7510/#7793 atomic CLI self-claim	implemented	apps/presentation/site/public/blog/{,zh/}typescript-control-plane-refactor/index.html
Preserve bilingual parity, existing anchor IDs, historical tables, and experimental caveats	implemented	node examples/blog-bilingual-index-smoke.mjs (10 paired articles), all existing IDs retained

Scope And Continuation

Complete within this static bilingual editorial slice. No runtime, control-plane, benchmark runner, or scoring behavior changes. No new abstraction or tracked binary capture pack is introduced into the PR branch.

Review Repairs

• Kept the source discrepancy visible instead of forcing a false common denominator: the taxonomy records 86 classified replan events and 27 valid jumps, while managed-arm totals are 44 + 36 + 24 = 104 and 5 + 11 + 15 = 31; the article publishes only the arm-local ratios.
• Recomputed the fixed-component expression as 0.4 × 0.7088 + 0.3 × 0.7251 + 0.2 × 0.7112 + 0.1 = 0.74329; 0.73903 is recorded only as the source value, and neither number is presented as an all-model upper bound.
• Rebuilt the early-window chart on one linear 0–300% axis and recomputed the +304.7% endpoint from the axis ticks.
• Scoped the five-arm evidence as descriptive arm-local observation rather than a matched repeated C2 comparison, without claiming a production-default change.
• Added a bilingual source-level regression oracle for the reconciled claims, formula and SVG geometry.

Validation

• Tested revision: 8aac5afbd5d1a543ad7f6ac989b086c0246774fe (rebased onto origin/main 0098a0918efba50606a32f6190033abadef0fe87).
• Run state: finished. Input classes: public_fixture, archived public-safe experiment ledgers.

Check kind	Result	Evidence / limitation
static	passed	npm run build --prefix apps/presentation/site — TypeScript and Vite client/SSR build
static	passed	npm run smoke:seo --prefix apps/presentation/site — five prerendered routes, 28 canonical sitemap targets, assets and metadata
static	passed	node examples/blog-bilingual-index-smoke.mjs -> blog-bilingual-index-smoke: ok (10 paired articles)
static	passed	uv run --extra test loopx canary premerge --from-git-diff --git-diff-base origin/main -> status: passed, merge_gate_passed: true, self_merge_validation_passed: true, manual_holds: 0 (4/4 direct checks, 9/9 catalog canaries, and 1/1 public-boundary check passed)
static	passed	loopx check public-boundary scan -> 0 violations; zero remaining references to removed context-native-path-v10 SVGs; all four revised SVG files pass xmllint --noout
manual	passed	Rendered the bilingual pages in Chromium (ego-browser) at desktop (1440x1000) and narrow (390x844) viewports; zero page-level horizontal overflow. The static editorial changes since that capture preserve the reviewed layout.

Frontend / Visual Evidence

• UI impact: changed (static bilingual blog articles and SVG empirical figures under apps/presentation/site/public/blog/).
• Source data: public-safe article HTML and SVG charts derived from verified archive summaries; no private operating state or live account data.
• Boundary: locally served static site comparing base origin/main against head 8aac5afbd5d1a543ad7f6ac989b086c0246774fe at desktop (1440×1000) and narrow (390×844) viewports. Binary PNG captures are hosted on isolated evidence commit 95fb46a88cd925565161b41fd16077107b1c54e1 outside the PR branch; the current PR head adds text-only C2 qualification after those captures.

1. Context Delivery — Native Path Section (#native-path, Desktop 1440×1000 Before vs After)

Removes the redundant context-native-path-v10 diagram and keeps the clean, readable decision-<id>/ file tree:

2. Context Delivery — Real-Model & Cross-Task Ablation Section (#ablation-evidence, Desktop 1440×1000 & Narrow 390×844 Before vs After)

Adds the ANN 18h 6-arm QPS progression + layered byte/token audit figure (context-delivery-ablation-{zh,en}.svg), 9-row empirical table, and 3 explicit boundary counterexamples:

Context Delivery — Narrow Viewport (390×844 Before vs After) & Standalone Bilingual SVGs

Chinese SVG (context-delivery-ablation-zh.svg):

English SVG (context-delivery-ablation-en.svg):

3. EdgeBench Feedback & Memory — First Viewport (1440×1000 Before vs After)

Updates the revision header and Section 1 timeline through November 3 (#7311, #7759, #7800, #7959, #7960):

4. EdgeBench Feedback & Memory — Astra max 18h Late-Stage Breakthrough & 6h–18h Zoomed Inset (#later-common-windows, Desktop 1440×1000 & Narrow 390×844 Before vs After)

Adds the 5-arm New Foundations Consistency (Astra max, 18h) trajectory and 6h–18h (91.5–92.5) zoomed inset showing heartbeat-explore breaking the 91.9412 4-arm plateau to 92.3419 (+9 net repaired declarations, 0 regressions):

EdgeBench — Narrow Viewport (390×844 Before vs After) & Standalone Bilingual SVGs

Chinese SVG (astra-late-breakthrough-zh.svg):

English SVG (astra-late-breakthrough-en.svg):

Type of Change / LoopX Area

• Documentation update (apps/presentation/site/public/blog/**)
• Public docs or presentation surface

Boundary Checklist

• Diff, body, and attached screenshots contain no private operating context, credentials, raw research traces, or local machine paths.
• No benchmark run, scoring change, or duplicate research work launched.
• Both Chinese and English editions updated in lockstep (10 paired articles smoke passed).
• Actual Before/After desktop (1440×1000) and narrow (390×844) comparison screenshots are embedded directly above; binary PNGs remain outside the PR branch.
• Commit includes DCO sign-off.

[loopx-agent]

Reviewer: model_agent · gpt-6.1-sol · OpenAI · runtime_reported · reasoning_effort=max

Request changes conclusion (author-owned PR; GitHub blocks formal self-review)

精确评审 1cbc9a65b3b57d128fd4228638863bb8f5b979e8，不可变基点 feea5a6e56066eef87889d470d7991922f9f00ec。有三项 P2，均在本 PR 新增的公开结论或图中：

1. [P2] 先核对重规划总体，再发布转换率结论。 新增“86 次重规划”的叙述，与引用的 replan_causal_breakdown.json 自相矛盾：分臂为 44 + 36 + 24 = 104，另一个 summary_metrics 的 replan_count 合计也是 104；taxonomy 的有效跃升 27 次与分臂合计 31 次也不一致。11.4%、30.6%、62.5% 分别使用 5/44、11/36、15/24，不能直接写成已核对的同一 86 事件总体，更不能仅凭这些聚合数断言替换机制导致提升。请在原证据 owner 核对总体、排除规则和分母，正文两种语言同步改成有据的描述性观察或保留未验证；回归断言总体、分组及分子守恒。位置：中文第124行，英文同段。
2. [P2] 不要把固定观测分量的估算写成线性模型理论上限。 同段将 0.73903 作为 Graph 的理论天花板，但引用报告给出的算式 0.4×0.7088 + 0.3×0.7251 + 0.2×0.7112 + 0.1 实际为 0.74329。即便修正算术，固定一份候选的分类指标、只优化校准和延迟，也不能上界整个线性模型族可达到的分类表现；由此推断后面全部用量必然无效不成立。请复核原指标定义，将其明确限定为固定观测分量的条件估算，或删除这一上限推论；增加独立公式复算与口径断言。位置：英文第124行，中文同段。
3. [P2] 按真实比例绘制早窗开销。 两张新增 ablation SVG 的 patch_23 将 +304.7% 画成 +72%：零点 x=514.451821，+50 刻度 x=598.143761，红柱终点 x=634.968215，换算为约72%。图上没有断轴或截断标记，红柱于是看起来比 −74.25% 的节省还短，弱化了正文要并列披露的早窗反例。请使用真实线性比例，或把不同量级拆图并明确尺度；两种语言及图内几何／标注一致性回归都要更新。位置：英文 SVG 第559–562行，中文 SVG 相同坐标。

动机 / Motivation

需要了解 LoopX 上下文机制和长程研究效果、判断是否值得使用的博客读者。

旧文把合成字节测量与真实模型结果分开；本次补入 ANN 消融、Astra 后程轨迹和跨题观察，意图让读者同时看到收益、成本与反例。

静态页面、双语导航与图像已可打开，但新增总体数字不守恒、条件上限被扩大、早窗柱形比例失真，当前还不能把这些材料作为已核验的实证更新发布。

本评审不启动新 benchmark 或模型，不要求公开原始轨迹、隐藏评测或私有日志；需要的是复用现有证据完成口径核对和公开安全投影。

改动思路 / Approach

沿现有静态博客、双语路径、共用 CSS 与 SVG 资产补充材料是合适的边界；删除重复路径图也减少了重复解释。没有理由为这次编辑新增运行时、数据账本或研究界面。

本次应交付的是可追溯且尺度真实的双语研究解释；文章消费实验 owner 的证据，不能靠图表、作者声明或构建通过自行生成 countability 或因果资格。当前最小修复是在同一编辑切片核对分母、限定推论并更正图形，不需要先完成整个研究路线或重跑付费实验。

特别检查了上下文传输字节、主会话 tokens、完整成本与原生成果的区分。新增文字保留早窗和跨题反例是有价值的，但“公开来源也这么写”不能消除来源内部矛盾。来自既有评审经验的建议在此用于检查读者实际得到什么；它不是记忆效用或实验收益的证明。

具体改动 / Changes

接受依据为 docs/architecture/rfcs/long-horizon-harness-benchmark-research-program-v0.md，spec_revision feea5a6e56066eef87889d470d7991922f9f00ec。5.4 Result separation：字节、模型用量与 native outcome 在表面上分层，完整费用仍未知；6.1 Native outcomes：新增 best／净修复／零丢失缺少本轮独立可核对的归档绑定，保留 unverified；6.2 Efficiency：新增总体、条件上限和图形比例存在上述不一致，not_met。C2 的重复匹配因果资格不由一批描述性轨迹、报告标题或哈希替代；本 PR 可按真实限定范围修订，不必扩展成新的实验项目。

完整差异 14 文件 +3402/-326：8 个 HTML 文件 +168/-22，4 张新 SVG +3234，删除2张旧 SVG −304。SVG 是有文章消费者的图形资产，不是运行时模块；本次也没有修改模型、评分器、权限、scheduler 或持久状态。

关键代码讲解

• #ablation-evidence 位于两种语言的 context-delivery 页面：新增六臂 QPS、九行对照与字节／token／早窗反例。两个 SVG 由文章直接加载；当前几何错误会随正常页面路径对外呈现。
• #astra-late-breakthrough 和 #ablation-followup 位于两种语言的 EdgeBench 页面：加入 Astra 主图与放大窗，并把另外两份公开研究的数值带进正文。当前归档账号名及缩略摘要不能单独认证完整运行的 token 覆盖或“零退化”集合关系。
• 两篇 TypeScript 重构文章的存储、认领段落补充 #7834、#7510、#7793；两个目录页更新简介。原锚点仍在，旧路径图删除后没有残留引用。没有新增自动加载的 Agent 指令或配置开关。

对主干的风险 / Risks

最强反例正是“构建和双语 smoke 全绿，但读者得到错误科学结论”。本轮从精确头公开文件复算：总体与分组断言失败、条件算式失败、两种语言 SVG 的比例断言均失败；浏览器也实际显示了被缩短的红柱。引用数据 blob 与本头中的原文件一致，未用当前可变 main 的不同数据解释本 PR。

PASS：两版站点 client/SSR 构建；当前 SEO 及10篇双语文章 smoke；12个现存变更文件公开边界扫描、两项删除及引用检查；完整 SVG XML 与可见文字检查，无脚本、foreignObject 或外部资产引用。FAIL：四项数值一致性断言；精确范围质量记录 cqr_59534379be4f5268c842；原 standard premerge。

premerge 的4项直接检查通过，9项 catalog 中7通过、hot-path预算失败、ratchet为继承 advisory。后续相同 hot-path 单独命令在 base/head 均通过，但没有解释原失败，故不重标整门通过；ratchet两端完整输出与因果源码相同，原失败保留。这些维护状态与上述新编辑缺陷分别记录；未获取、轮询或等待 CI。

语义与 CI 对齐

这里未新增共享 vocabulary、默认激活、执行义务或更广的 actor 权限，领域词汇属于明确的研究文章。merge-base advisory 没有支持的语义候选，不代表 HTML/SVG 内所有语义已被自动核对。图片比例和推论正是需要人工及独立数字 oracle 补足的部分。没有用扫描通过消除数值缺陷，也没有把传输裁剪率写成已验证的完整费用下降。

我的整体评价 / Verdict

REQUEST_CHANGES。这是体量相称、能在现有文章内完成的编辑任务，架构归属可保留；当前可验证的信息错误阻止交付资格。long_horizon=preserved 仅指静态编辑不改变运行规则，不表示研究收益已证实；user_experience=regression，因为正常读图路径显著缩小了主要反例。

实际整页观察：默认标题与正文层次清楚，删除旧路径图后文件树更直接；英文桌面 Astra 放大窗可辨，390px 两种图成为缩略图，需要原图或旁边表格阅读详细数值。正文和表格可访问、无整页横向溢出，不能据此称统计或图形正确。视觉未验证范围：真实移动设备缩放体验、归档数据真实性与完整用量／集合差异；本轮为源码构建静态站点，没有安装或重新发布。

请修复三项已验证问题，并提供已有数据的公开安全口径／来源绑定后重验两种语言、比例与数值。ANN/Astra 完整归档和总费用仍未独立资格化，不能从本次构建、发布截图或其他已合并 PR 推断通过。

English verdict: REQUEST_CHANGES — 1cbc9a6. Reconcile the 86/104 event population, correct and qualify the Graph ceiling, and plot the 304.7% overhead at its actual scale. Builds, SEO and bilingual navigation pass; numerical consistency fails, and the original premerge failure remains recorded.

[huangruiteng]

Reviewer: model_agent · GPT-5 · OpenAI · self_reported

Approval conclusion

精确评审 8aac5afbd5d1a543ad7f6ac989b086c0246774fe，基点 0098a0918efba50606a32f6190033abadef0fe87。旧 head 的三个 P2 已在当前 head 修复，新增回归 oracle 能独立检查总体口径、公式与 SVG 几何；当前没有剩余 blocker。批准的是“公开、双语、带边界的编辑性实证说明”，不是对未重放 benchmark 归档或原生 evaluator 的再次认证。

动机 / Motivation

读者需要从 LoopX 工程博客判断 Context Delivery、Stride 与长程复盘到底改善了什么、在哪里失效，以及现有证据能支持多强的结论。旧 head 已经补入了有价值的 ANN 18h、Astra 18h 与跨任务材料，但普通页面路径仍可能把 86 个分类记录和 104 个受管臂记录混成一个总体，把 0.73903 扩写成所有线性模型的上界，并将标注为 +304.7% 的早窗反例画成约 +72%。这些问题即使构建全绿，也会让读者高估收益与因果确定性。

当前改动保留了原有文章和图表结构，但把差异明确展示出来：86/104、27/31 不再被强行对账，11.4%/30.6%/62.5% 只作为各臂自身比例；公式按实际输入复算为 0.74329，并明确只是固定分量向量的条件估算；早窗柱形使用统一的 0–300% 线性轴。五臂材料同时被限定为描述性单臂观察，而不是匹配重复的 C2 比较，也不据以改变生产默认。读者由此得到一个完整、可复算且不会自动升格因果资格的实证切片。它没有改变运行时、调度或权限，也没有重放 benchmark 归档或原生 evaluator。剩余验证缺口是重放外部研究归档与原生 evaluator；本 PR 明确把相关数字保持为来源绑定的描述性投影。

改动思路 / Approach

入口仍是现有静态站点构建到双语 HTML 与 SVG 的路径，权威输入是仓库内文章、图形资产，以及已合并研究目录中的公开 JSON/Markdown；没有新增运行时 reader、实验执行器或第二套数据源。改动复用现有 blog/context-delivery/、blog/edgebench-feedback-and-memory/、两个目录页和既有的 examples/blog-bilingual-index-smoke.mjs。删除重复的 context-native-path-v10 图是同一展示边界内的机械收敛，不改变读者任务。

正向路径是：研究 owner 发布带来源与限制的数值，文章只投影可公开解释的部分，双语 smoke 从 HTML/SVG 直接检查关键断言，站点 build/SEO 再验证公开入口。负向路径是：旧总体、错误公式、失真柱形或缺失的 C2 限定被重新引入时，source-level oracle 失败，不能把“页面能构建”误当作“结论已核验”。这比新增数据服务或重新跑付费 benchmark 更贴近当前问题；重构没有必要，纠正同一证据投影才是最小而完整的切片。

具体改动 / Changes

依据是 docs/architecture/rfcs/long-horizon-harness-benchmark-research-program-v0.md。在当前 head 上，5.4 Result separation 已实现：原生结果、控制观察、成本与限制分层展示；6.1 Native outcomes 保持 deferred，因为本 PR 没有重放外部归档或 evaluator；6.2 Efficiency 已实现：字节、token 与总成本没有被混成同一结论；C2 已实现为负向边界：文章明确五臂观察不是匹配重复比较，因此不声称因果资格。

完整差异为 15 个文件、+3466/-326：8 个双语文章或索引 HTML、4 个新 SVG、2 个删除的重复路径 SVG，以及现有双语 smoke 的 64 行增强。没有修改 runtime、权限、调度、评分器、persistent state 或生产默认。

关键代码讲解

• #ablation-evidence 位于两种语言的 Context Delivery 文章，直接消费新的 ANN 18h 图与九行对照表。patch_23 的 +304.7% 柱不再是视觉压缩后的条形：源 smoke 从 0 与 300 两个刻度反算线性位置，要求终点与真实值相差不超过 0.11px。这样读者看到的早窗开销与正文披露 4.05x 反例一致。
• #ablation-followup 位于两种语言的 EdgeBench 文章。当前文本同时展示 taxonomy 的 86/27 与受管臂小计的 104/31，拒绝制造一个不存在的公共分母；它进一步说明这组比例只是 arm-local、描述性、非 C2，不授权生产配置变化。Graph 段落把来源记录值 0.73903 与实际复算 0.74329 并列，避免把固定分量的条件估算写成模型族理论上限。
• #astra-late-breakthrough 保留 Astra 18h 五臂轨迹和 6h–18h 放大窗，并明确这是单批次描述性证据；Schema 反例紧随其后，避免把“后程仍可突破”读成普遍保证。该段没有把基础模型/Official 的改善归功于 LoopX。
• validateEmpiricalEvidenceClaims 是当前行为的独立 oracle：它重算固定分量公式，要求中英文文章保留 86/104、27/31、0.74329 与非 C2 限定，拒绝旧 “86 replans” 叙述，并从 SVG 刻度验证 patch_23 的几何。检查依据是数值与坐标，不是文章中出现几个漂亮关键词。
• 删除 context-native-path-v10 两版图后，仓库搜索已无残留引用；现有四文件路径树继续解释同一机制，减少重复图和窄屏裁剪风险。

对主干的风险 / Risks

最强回归不是运行时故障，而是“页面做得更漂亮，却让错误研究结论更可信”。具体链路是：错误分母、未复算公式、被压缩的柱形或缺失的 C2 限定进入公开文章；普通 build/SEO 不会理解这些语义，读者因此高估效果。当前 head 通过源码复核和 smoke 直接阻断这条链路，blast radius 限于公开双语研究解释，回滚只需还原静态文本或 SVG 并重跑同一检查，没有数据迁移。

当前 head 的 PASS 证据包括：node examples/blog-bilingual-index-smoke.mjs（10 篇双语文章）、npm run build、npm run smoke:seo（5 个预渲染路由、28 个 sitemap 目标）、四张修订 SVG 的 xmllint --noout，以及最新 rebase 后的 loopx canary premerge（4/4 direct、9/9 catalog、1/1 public boundary，0 failure，0 manual hold）。此前 Chromium 在桌面与 390px 宽度检查过中英文页面，均无页面级横向溢出；这次新增文字没有改变布局结构。

明确未验证的范围是：没有重放链接的研究归档与原生 evaluator，没有重新执行 benchmark，没有在文字修正后重复物理移动设备测试，也没有等待或轮询 CI。PR 不改变权限、typed runtime state、scheduler 或默认 feature，故 default-off isolation 和 runtime authority 为 not_applicable。这些缺口限制 6.1 的资格，不影响本 PR 作为经过来源绑定的编辑性投影交付。

语义与 CI 对齐

这里没有新增共享 vocabulary、协议字段或执行义务；C2 是被复用的已登记研究契约，并在文章中以负向边界出现。smoke 的字符串检查只保护公开文章为这篇特定证据保留关键口径，几何和公式另由数值 oracle 验证，不冒充对 benchmark 真值或因果关系的自动认证。public-boundary scan、双语配对、build 与 premerge 各自证明公开可构建性、边界和仓库卫生；它们共同支持“当前修订可以发布”，而不支持“所有引用实验已经完成独立复验”。

我的整体评价 / Verdict

APPROVE。改动范围与问题相称：它复用现有文章、SVG 和 smoke，没有把一次证据纠错扩张成新服务或新实验；同时删除了重复图，并用 64 行针对性 oracle 把最容易再次漂移的数值、限定与几何绑定起来。long_horizon=preserved，因为运行与治理规则不变，后续研究讨论获得的却是更诚实的证据表达；user_experience=improved，因为读者现在能看到真实尺度的反例、可复算的条件估算和明确的非 C2 边界。

残余风险是外部归档没有在本 PR 内重放、原生结果仍依赖已合并研究 owner 的公开材料，以及文字修正后没有再做物理设备截图。文章已把这些结果限定在来源和观察范围内，没有把运输字节、模型 token、原生成果或完整成本拼成单一结论。若后续要升级 6.1 或提出生产默认变化，需要新的归档复验或匹配重复研究，而不是继续改这段公开说明。

English verdict: APPROVE — 8aac5af. The 86/104 and 27/31 discrepancies are explicit, arm-local ratios remain descriptive, the fixed-component formula is recomputed as 0.74329, the +304.7% bar uses a true linear scale, and the bilingual text excludes C2 and production-default claims. Bilingual smoke, site build, SEO, SVG validation, and rebased premerge pass; archive replay and native-evaluator requalification remain explicitly deferred.