Stable
最初的工具名称、语义和成本结构。
Executable Research · v0.1
LRI Benchmark v0.1
这不是“LRI 已经被证明”的页面，而是第一块真正可运行的实验地基：让不同 Agent 在同一套工具环境突变下接受评测，再把递归改进控制器放到评测器外面进行公平比较。
当前状态
评测器已经能跑；真正的模型对照实验还没有冒充完成。
v0.1 已提供 Python 零依赖 benchmark、stdin/stdout 外部 Agent 协议、oracle 上限基线、故意脆弱的 legacy 基线、可运行 reference Agent、候选谱系 manifest schema，以及 Model Run 001 的等预算实验协议。
Oracle20/20 任务成功
Legacy稳定期 100%，三次环境突变后均为 0%
External protocolreference command-line Agent 20/20 成功
LRI evidence仍为 E0；以上只验证 benchmark，不验证 LRI 优越性
环境冲击
先让世界变，再看 Agent 怎么恢复。
Remove Double
廉价 doubling 工具消失，出现更贵的替代操作。
Rename + Negate
工具名称和语义重排，负值操作开始重要。
Cost Shift
功能仍可理解，但工具经济结构改变，不能只追求最短步骤。
Model Run 001
真正关键的下一步是 B 对 C，不是再写理论。
B — Monolithic
同一个当前冠军不断产生候选修订，每代只保留一个继任者，形成单一 revision chain。
C — Lineage
同样数量的新候选，但从有界的多个行为谱系中产生后代，显式记录 ancestry，并按质量与行为差异保留有限 archive。
硬约束
同基础模型、同候选数量、同 Token / 调用 / 时间上限，并进一步做等存储量和删除非主导谱系消融。
主要指标不是最后谁分数最高，而是环境突然变化以后，谁能以更少总资源恢复；以及如果 C 更快，这个优势究竟来自谱系多样性，还是仅仅来自多存了一些信息。
Research integrity
直到真实模型 A/B/C 重复实验完成之前，不升级证据等级。
最低 E1 候选标准已经写入协议：隐藏任务、等预算、至少多个独立重复、关键消融、失败运行保留、候选 ancestry 日志和完整资源统计。单个漂亮结果不足以把 LRI 从研究种子升级成经验结论。