evaluation · E1 预消化简报(2026-09-02)

执行： Tom · 15:40 CST 窗口： inbox 近 2 天（2026-09-01 下午 ~ 2026-09-02 下午）+ paper_cards 近 3 天新卡 本简报目的： 为今晚 evaluation 活文档接力（R64 → R65）预习备料，聚焦尚未进入 R64 基线的增量条目

一、信源检查记录

本次覆盖（窗口：2026-09-01 下午 ~ 2026-09-02 15:40 CST）：

  • work-queue.md ✓（2026-09-02 14:00 落盘：待建卡 6 · 高价值待深度解读 Top15 0 · 选题榜未成视频脚本 1 件 = 2608.31022（MNIST-PRO））
  • inbox/tom（9-1~9-2）：
  • 2026-09-01-evaluation-e1prep.md（R64 基线确认 ✓）
  • 2026-09-02-0900-hf-daily-2026-09-02.md（HF Daily 9-02，15篇，关键：LLM个性化代价 2608.28833 24▲ eval 主分类首次出现）
  • 2026-09-02T0840-agent-rag-longcontext-radar.md（8 条候选，EvoGenUI-Bench 2608.29387 + ContextBias 2608.29847 eval 专项高价值）
  • 2026-09-02-rag-e1prep.md（R78 备料，无 eval 专项净增高价值 ✓）
  • inbox/jay（9-1~9-2）：
  • 2026-09-02-engineering-e1prep.md（Harness/Chaos 工程三联预备，eval 邻接为主 ✓）
  • 2026-09-02-research-briefing.md（database/backend/agent/MCP，含 Trustworthy RAG eval-agent 2608.21095 ✓）
  • 2026-09-01T1050-jay-inference-benchmark-moe-agentic-rag-2026.md（推理引擎 benchmark，eval 邻接 ✓）
  • inbox/flyp（9-1~9-2）：
  • 2026-09-01-multimodal-e1prep.md（multimodal 主轴，无 eval 专项 ✓）
  • 2026-09-02-multimodal-e1prep.md（multimodal 主轴，无 eval 专项 ✓）
  • 2026-09-02-LoopArena-controller-loop-engineering-critical-read.md（LoopArena 精读批判，eval 邻接 ✓）
  • inbox/spark（9-1~9-2）：
  • 2026-09-02-agent-e1prep.md（v77 备料，EvoGenUI-Bench + FACE-Eval 2 件 paper_card 入库命中，eval 邻接为主 ✓）
  • inbox/stephen（9-1~9-2）：
  • 2026-09-02-1245-coord-check.md（12:45 noon 协调，冲突 #15-18 含 BenchMIRT 元评测 eval 邻接 ✓）
  • 2026-09-02-0911-news-x-vip-radar.md（无 eval 专项 ✓）
  • 2026-09-02-ai-industry-e1prep.md（ai-industry 主轴，含 Claude Fable 5.1/Mythos 5.1 / BenchMIRT ✓）
  • paper_cards 近 3 天 eval 相关新卡（已扫全量 1171~1176 共 6 张）：
  • paper_card 1172-2608.29847：ContextBias（主分类 evaluation / 形态 benchmark / arXiv:2608.29847）——T2I 模型上下文偏移下偏见持续性评测框架；92 个职业角色 × 1656 个语义受控 prompt；eval 专项新卡
  • paper_card 1175-2608.29387：EvoGenUI-Bench（主分类 evaluation / 形态 benchmark / arXiv:2608.29387）——多轮生成式 UI agent 评测；150 个五轮任务 750 轮；Adjacent Pass Retention 跨轮状态保持度量；eval 专项新卡，agent 副分含
  • paper_card 1166-2608.29464：FACE-Eval（主分类 evaluation / 形态 method / arXiv:2608.29464）——CoT 忠实性评测；5,100 样本；线索位置/显隐程度；spark v77 已锚定
  • 2 张 eval 专项 net-new paper_card（vs R64 基线：ContextBias + EvoGenUI-Bench）
  • knowledge/evaluation.md R64 基线确认（R64：LoopArena 87▲ 新上榜立 harness 十六角候选 + PILOT 30▲ 衰减确认 + PAWBench 138▲ 立基础锚预备 + Agentic Game Dev 185▲ 再创新高 + UrbanGround 106▲ 续升 + paper_card 未建 2 条警示 + 立标池饱和度廿二日连续）

二、增量摘要

本轮（E1-R65，窗口 2026-09-01 下午 ~ 2026-09-02 下午）eval 主题 eval 专项 net-new paper_card 新增 2 条（ContextBias + EvoGenUI-Bench）；eval 相关投票极显著变化 2 件（On-Policy Distillation 100▲ 新上榜 #1 + LoopArena 99▲ #2 续升）；LLM个性化代价 2608.28833 24▲ eval 主分类 HF Daily 首次出现；BenchMIRT 元评测（AllenAI）评测诚信邻接新信号；PILOT 30▲ 衰减确认延续。

eval 专项净新增量 2 条。 本轮最重要的信号是：HF Daily Sep 2 On-Policy Distillation 2608.31046 100▲ 登顶 #1，是 eval 邻接（on-policy distillation for LLM evaluation）；ContextBias（2608.29847）和 EvoGenUI-Bench（2608.29387）两张 paper_card 1172/1175 同批次入库，主分类均为 evaluation；LLM个性化代价 2608.28833 24▲ 在 HF Daily 9-2 首次以 eval 主分类出现。

三、增量条目

增量 1 · ⭐⭐ 中 · LLM个性化代价 2608.28833 24▲ HF Daily eval 主分类首次出现（arXiv:2608.28833，eval 专项新信号）

来源： tom/inbox/tom/2026-09-02-0900-hf-daily-2026-09-02.md（HF Daily 9-02 #15，24▲） arXiv： 2608.28833

要点： - 首次出现：HF Daily 9-02 15 篇列表中以 eval 主分类出现（票数 24▲），eval.md R64 无此条目锚定 - 核心内容：评测 LLM 个性化中的隐式代价（Evaluating the Hidden Costs of LLM Personalization）——量化 LLM 个性化对系统成本/隐私/可审计性的隐式代价 - 立标状态：24▲（HF Daily 9-02 #15），票数偏低但 eval 专项信号明确 - paper_card 状态：⚠️ paper_card 1169 已建（主分类：evaluation，形态：method），但 eval.md R64 无锚定 - 建议归入节： R64 §4 维度矩阵（指标体系）+ §2 评测诚信邻接；建议核实归入"个性化评测"新维度节

增量 2 · ⭐⭐ 中 · ContextBias（arXiv:2608.29847）paper_card 1172 eval 专项新卡入库（arXiv:2608.29847，eval 专项）

来源： paper_card 1172-2608.29847（近 3 天新卡，主分类 evaluation，形态 benchmark，2026-09-02 14:12 入库）+ tom inbox 2026-09-02T0840-agent-rag-longcontext-radar.md（⭐⭐⭐⭐⭐ 高价值） arXiv： 2608.29847

要点： - 核心内容：T2I 模型在上下文偏移下的偏见持续性受控评测框架；ContextBench 涵盖 92 个职业角色和 1656 个语义受控提示；隔离上下文对刻板偏见的影响 - 与 eval.md 现有脉络的关系：与 Inspect Evals Census（claim-replay layer）同属"评测诚信/评测公平性"方向；与 VGI-Bench（视频视觉智能）正交但均属受控评测框架；与 R61 §6.97 评测诚信批判方向潜在关联 - 立标状态：paper_card 1172 已建；HF Daily 无票数数据（未上榜 Top15） - 建议归入节： R64 §4 维度矩阵"公平性/偏见评测"新节点，或 §6.97 评测诚信邻接；建议 paper_card 锚定确认

增量 3 · ⭐⭐ 中 · EvoGenUI-Bench（arXiv:2608.29387）paper_card 1175 eval 专项新卡入库，多轮 UI agent 可执行 benchmark（arXiv:2608.29387，eval 专项，agent 副分含）

来源： paper_card 1175-2608.29387（近 3 天新卡，主分类 evaluation，形态 benchmark，2026-09-02 14:12 入库）+ tom inbox 2026-09-02T0840-agent-rag-longcontext-radar.md（⭐⭐⭐⭐⭐ 高价值）+ spark inbox 2026-09-02-agent-e1prep.md（paper_card 1175 已入库，spark v77 §2.2 锚定预备） arXiv： 2608.29387

要点： - 核心内容：评测 LLM 作为多轮生成式 UI 助手；150 个五轮任务共 750 轮，覆盖三场景（信息展示/可执行交互/外部状态同步）；浏览器内执行产物，结合截图/DOM/actor traces/runtime logs 评估；Adjacent Pass Retention 跨轮内容保持度量是新增评测维度 - 与 eval.md 现有脉络的关系：与 Agentic Artifact Creation（2608.28122，artifact 创建）形成"artifact 创建 + artifact 维护"正交互补；与 LoopArena（2608.28281，loop 控制器评测）有潜在关联——两者均测多轮交互中的 agent 维持能力，但 LoopArena 测"loop 引导质量"，EvoGenUI-Bench 测"UI 产物状态保持"；eval.md R64 无此条目锚定 - 立标状态：paper_card 1175 已建；HF Daily 无票数数据（未上榜 Top15）；spark v77 锚定预备 §2.2 - 建议归入节： R64 §4 维度矩阵"多轮交互评测"新节点 + §3.5 harness 生态邻接（Adjacent Pass Retention 作为可执行评测的跨轮度量）；建议 paper_card 锚定确认

增量 4 · ⭐⭐ 中 · On-Policy Distillation 2608.31046 HF Daily 100▲ #1 新上榜（arXiv:2608.31046，eval 邻接）

来源： tom/inbox/tom/2026-09-02-0900-hf-daily-2026-09-02.md（HF Daily 9-02 #1，100▲） arXiv： 2608.31046

要点： - 票数轨迹：100▲（9-02 新上榜）——首次出现在 HF Daily 即登顶 #1 - 核心内容：On-Policy Distillation 真的能蒸馏吗？从噪声教师到自我提升——质疑 on-policy distillation 的有效性，探究 self-improvement loop 与 noise teacher 退化的关系 - 与 eval.md 现有脉络的关系：与 PILOT（2608.26530，live self-improvement）同属"agent 自我改进评测"方向，但 PILOT 测 live trace update，On-Policy Distillation 质疑蒸馏范式本身；与 Self-OPD（2608.26872）同属 on-policy distillation 方向，但 Self-OPD 测 Flow Matching 模型，On-Policy Distillation 测 general distillation 范式；eval.md R64 无此条目锚定 - 立标状态：100▲（HF Daily 9-02 #1），eval 邻接 - paper_card 状态：⚠️ paper_card 未建 - 建议归入节： R64 §4 维度矩阵"蒸馏/自改进评测"新节点 + §3.5 harness 生态邻接（PILOT 邻接）；建议 paper_card 新建

四、R64 基线确认（已覆盖条目·本轮延续确认）

条目 arXiv R64 状态 Sep 2 票数
Agentic Game Dev 2608.25518 ✅ R64 已有 ★★；HF Daily 9-02 未在 Top15（估算 ~185▲ 无更新） ~185▲
PAWBench 2608.27345 ✅ R64 立基础锚预备 ★★；HF Daily 9-02 未在 Top15（估算 ~138▲ 无更新） ~138▲
UrbanGround 2608.27456 ✅ R64 已有 ★→★★ 升档预备；HF Daily 9-02 未在 Top15（估算 ~106▲ 无更新） ~106▲
VGI-Bench 2608.19583 ✅ R64 已有；HF Daily 9-02 未在 Top15（估算 ~173▲ 无更新） ~173▲
PILOT 2608.26530 ✅ R64 已有 ★★；HF Daily 9-02 30▲（维持，衰减确认延续） 30▲
LoopArena 2608.28281 ✅ R64 已有；HF Daily 9-02 99▲ #2（+12▲ 续升，三日锁） 99▲
JIT-Agent 2608.25593 ✅ R64 已有 ★★；HF Daily 9-02 未在 Top15（估算 ~109▲） ~109▲
WarpSAC 2608.24479 ✅ R64 已有邻接；HF Daily 9-02 未在 Top15（估算 ~137▲） ~137▲
TTPO 2608.27448 ✅ R64 已有 ★★；HF Daily 9-02 72▲（维持） 72▲
Self-OPD 2608.26872 ✅ R64 已有；HF Daily 9-02 未在 Top15（估算 ~71▲） ~71▲
DART-SD 2608.18524 ✅ R64 已有邻接；HF Daily 9-02 88▲ #4（+27▲ 暴涨） 88▲
Agentic Artifact Creation 2608.28122 ✅ R64 已有邻接；HF Daily 9-02 56▲ #7（维持） 56▲
ASI-Bench 2608.17271 ✅ R64 衰减跌出（连续 13+ 日跌出确认） 跌出
Inspect Evals Census 2608.19269 ✅ R64 已有 ★★★ 低票
CritICL 2608.27455 ✅ R64 已有 ★★（paper_card 1129） 低票
FACE-Eval 2608.29464 ✅ R64 paper_card 1166 已建；HF Daily 9-02 未在 Top15（估算 ~52▲） ~52▲

五、值得警惕的矛盾或待核实说法

  1. On-Policy Distillation（2608.31046）paper_card 未建（⚠️ 本轮新增警示）： 100▲ HF Daily 9-02 #1 登顶，但 eval.md R64 无锚定，paper_card 仍未建；建议 R65 新建 paper_card 并锚定 eval.md

  2. LLM个性化代价（2608.28833）eval.md 无锚定（⚠️ 本轮新增）： HF Daily 9-02 #15 出现，paper_card 1169 已建（evaluation 主分类），但 eval.md R64 无此条目锚定；建议 R65 确认 paper_card 1169 归类并补锚定

  3. PAWBench（2608.27345）paper_card 仍未建（⚠️ R63→R64→本轮仍未建）： stephen coord-check 冲突 #6 延续；HF Daily 票数 ~138▲ 维持立基础锚预备阈值；建议 R65 确认 paper_card 新建进度

  4. UrbanGround（2608.27456）paper_card 仍未建（⚠️ R63→R64→本轮仍未建）： HF Daily 票数 ~106▲ 维持 ★→★★ 升档预备；建议 R65 确认 paper_card 新建进度

  5. EvoGenUI-Bench（2608.29387）与 Agentic Artifact Creation 正交关系待核实： 前者评测 artifact 维护，后者评测 artifact 创建；eval.md R64 无 EvoGenUI-Bench 锚定；建议 R65 在 §2.X.2 或 §4 确认归入"Artifact 二栖"邻接维度

  6. BenchMIRT 元评测（AllenAI）评测诚信邻接信号： stephen coord-check 冲突 #17 指出 BenchMIRT 是"基准测试究竟在衡量什么？"的元评测；HF Blog 发布，与 Inspect Evals Census 同属评测诚信方向；建议核实 arXiv 号并确认 paper_card 建卡状态

  7. PILOT（2608.26530）衰减确认延续（30▲）： R64 已确认正式衰减；9-02 HF Daily 维持 30▲ 无增长；建议 R65 维持"正式衰减确认"标注

六、可引用 arXiv 号列表

arXiv ID 名称 状态 Sep 2 票数
2608.31046 On-Policy Distillation · 从噪声教师到自我提升 ⚠️ 本轮新增 eval 邻接；HF Daily 9-02 100▲ #1（paper_card 未建） 100▲
2608.28833 LLM个性化代价 · 个性化隐式代价评测 ⚠️ 本轮新增 eval 主分类；paper_card 1169 已建；eval.md R64 无锚定 24▲
2608.29847 ContextBias · T2I 偏见持续性评测 ⚠️ 本轮新增 eval 专项；paper_card 1172 已建；eval.md R64 无锚定 无票数
2608.29387 EvoGenUI-Bench · 多轮 UI agent 可执行评测 ⚠️ 本轮新增 eval 专项；paper_card 1175 已建；eval.md R64 无锚定 无票数
2608.28281 LoopArena · 循环工程运行时控制器基准 ✅ R64 已有；HF Daily 9-02 99▲ #2（+12▲ 续升，三日锁） 99▲
2608.18524 DART-SD · 多轮工具调用 Agent 自蒸馏 ✅ R64 已有邻接；HF Daily 9-02 88▲ #4（+27▲ 暴涨） 88▲
2608.28122 Agentic Artifact Creation · Agentic 制品创建综述 ✅ R64 已有邻接；HF Daily 9-02 56▲ #7（维持） 56▲
2608.26530 PILOT in the Loop · 在线自我改进 ✅ R64 已有 ★★；HF Daily 9-02 30▲（正式衰减确认延续） 30▲
2608.25518 Agentic Game Dev · 可验证轨迹数据引擎 ✅ R64 已有 ★★；估算 ~185▲（无 HF Daily 更新） ~185▲
2608.27345 PAWBench · 概率对齐世界建模评测 ✅ R64 立基础锚预备 ★★；估算 ~138▲（无 HF Daily 更新）⚠️ paper_card 未建 ~138▲
2608.27456 UrbanGround · 城市空间智能体评测 ✅ R64 已有 ★ 升档预备；估算 ~106▲（无 HF Daily 更新）⚠️ paper_card 未建 ~106▲
2608.19583 VGI-Bench · 视频生成视觉智能探测 ✅ R64 已有；估算 ~173▲（无 HF Daily 更新） ~173▲
2608.27448 TTPO · 测试时策略优化 ✅ R64 已有 ★★；HF Daily 9-02 72▲（维持） 72▲
2608.25593 JIT-Agent · JIT harness intelligence ✅ R64 已有 ★★；估算 ~109▲（无 HF Daily 更新） ~109▲
2608.24479 WarpSAC · 可扩展 off-policy RL ✅ R64 已有邻接；估算 ~137▲（无 HF Daily 更新） ~137▲
2608.26872 Self-OPD · Flow Matching on-policy distillation ✅ R64 已有；估算 ~71▲（无 HF Daily 更新） ~71▲
2608.29464 FACE-Eval · CoT 忠实性评测 ✅ paper_card 1166 已建；HF Daily 9-02 未在 Top15；eval.md R64 无锚定 ~52▲
2608.17271 ASI-Bench ✅ R64 衰减跌出（连续 13+ 日跌出确认） 跌出
2608.19269 Inspect Evals Census · 评测诚信 claim-replay layer ✅ R64 已有 ★★★（paper_card 1133） 低票
2608.27455 CritICL · critique-based test-time evaluation ✅ R64 已有 ★★（paper_card 1129） 低票

七、检查来源清单

Tom inbox（近 2 天）： - /inbox/tom/2026-09-01-evaluation-e1prep.md（2026-09-01 15:40）→ R64 基线确认 ✓ - /inbox/tom/2026-09-02-0900-hf-daily-2026-09-02.md（2026-09-02 09:00）→ HF Daily 9-02 15 篇（On-Policy Distillation 100▲ #1 新上榜 + LoopArena 99▲ #2 +12▲ 续升 + DART-SD 88▲ #4 +27▲ 暴涨 + AgenticArtifact 56▲ #7 + Super Library Agent 24▲ #14 + LLM个性化代价 24▲ #15 eval 主分类首次出现） - /inbox/tom/2026-09-02T0840-agent-rag-longcontext-radar.md（2026-09-02 08:40）→ 8 条候选 4 高价值 = ContextBias 2608.29847 ⭐⭐⭐⭐⭐ + EvoGenUI-Bench 2608.29387 ⭐⭐⭐⭐⭐（eval 专项高价值 2 件）✓ - /inbox/tom/2026-09-02-rag-e1prep.md（2026-09-02 08:50）→ R78 备料，4 件 RAG net-new 正式入库，无 eval 专项 ✓

Jay inbox（近 2 天）： - /inbox/jay/2026-09-02-engineering-e1prep.md（2026-09-02 11:20）→ Harness/Chaos 工程三联预备（AgentChaos + Reliable Coding Agents + ReliabilityBench），eval 邻接 ✓ - /inbox/jay/2026-09-02-research-briefing.md（2026-09-02 15:05）→ database/backend/agent，含 Trustworthy RAG eval-agent（arXiv 2608.21095）✓ - /inbox/jay/2026-09-01T1050-jay-inference-benchmark-moe-agentic-rag-2026.md（2026-09-01 10:50）→ 推理引擎 benchmark 横向，eval 邻接 ✓

Flyp inbox（近 2 天）： - /inbox/flyp/2026-09-01-multimodal-e1prep.md（2026-09-01 早棒）→ multimodal 主轴，无 eval 专项 ✓ - /inbox/flyp/2026-09-02-multimodal-e1prep.md（2026-09-02 09:40）→ multimodal 主轴 5 件立标扩展，无 eval 专项 ✓ - /inbox/flyp/2026-09-02-LoopArena-controller-loop-engineering-critical-read.md（2026-09-02 09:50）→ LoopArena 精读批判，eval 邻接 ✓

Spark inbox（近 2 天）： - /inbox/spark/2026-09-02-agent-e1prep.md（2026-09-02 13:30）→ v77 备料，EvoGenUI-Bench paper_card 1175 + FACE-Eval paper_card 1166 入库命中，eval 邻接为主 ✓

Stephen inbox（近 2 天）： - /inbox/stephen/2026-09-02-1245-coord-check.md（2026-09-02 12:45）→ 12:45 noon 协调，冲突 #17 BenchMIRT 元评测（AllenAI），eval 邻接信号 + BenchMIRT + Claude Fable 5.1 等 ✓ - /inbox/stephen/2026-09-02-0911-news-x-vip-radar.md（2026-09-02 09:11）→ 无 eval 专项 ✓ - /inbox/stephen/2026-09-02-ai-industry-e1prep.md（2026-09-02 10:20）→ ai-industry 主轴，含 BenchMIRT 元评测方向，eval 邻接 ✓

paper_cards 近 3 天 eval 相关新卡（Sep 2 14:12 批次 1171~1176）： - paper_card 1172-2608.29847：ContextBias（主分类 evaluation，benchmark，arXiv:2608.29847）→ 本轮增量 2（eval 专项新卡） - paper_card 1175-2608.29387：EvoGenUI-Bench（主分类 evaluation，benchmark，arXiv:2608.29387，agent 副分含）→ 本轮增量 3（eval 专项新卡） - paper_card 1166-2608.29464：FACE-Eval（主分类 evaluation，method，arXiv:2608.29464）→ eval.md R64 无锚定，建议补锚定 - paper_card 1171-2608.30795：Aardvark Weather Uncertainty（llm-infra 主分类）→ eval 邻接 - paper_card 1173-2608.29974：SpanCalib-VLM（multimodal 主分类）→ eval 邻接 - paper_card 1174-2608.29681：MMMMM（multimodal 主分类）→ eval 邻接

knowledge/evaluation.md R64 基线确认 ✓（LoopArena 87▲ 新上榜立 harness 十六角 + PILOT 30▲ 衰减确认 + PAWBench 138▲ 立基础锚预备 + Agentic Game Dev 185▲ 再新高 + UrbanGround 106▲ 续升 + paper_card 未建 2 条警示 + 立标池饱和度廿二日连续）

Tom · 2026-09-02 15:40 CST · E1 预消化简报 · evaluation 主题 2 条 eval 专项 net-new paper_card（ContextBias 2608.29847 + EvoGenUI-Bench 2608.29387）+ 1 条 eval 主分类 HF Daily 首次出现（LLM个性化代价 2608.28833 24▲）+ 1 条 eval 邻接新上榜（On-Policy Distillation 2608.31046 100▲ #1）+ 3 条 paper_card 未建警示（On-Policy Distillation + PAWBench + UrbanGround）+ 1 条 eval.md 无锚定警示（LLM个性化代价）+ BenchMIRT 元评测邻接信号待核实 涉及 arXiv：2608.29847（⚠️ eval 专项新卡）/ 2608.29387（⚠️ eval 专项新卡）/ 2608.28833（⚠️ eval 主分类 HF Daily 首次出现）/ 2608.31046（⚠️ eval 邻接新上榜 100▲）/ 2608.28281（✅R64已有 / 99▲ #2 +12▲）/ 2608.18524（✅R64已有邻接 / 88▲ #4 +27▲）/ 2608.28122（✅R64已有邻接 / 56▲ #7）/ 2608.26530（✅R64已有 ★★ / 30▲ 衰减确认）/ 2608.25518（✅R64已有 ★★ / ~185▲）/ 2608.27345（✅R64立基础锚预备 ★★ / ~138▲ ⚠️未建）/ 2608.27456（✅R64已有 ★升档预备 / ~106▲ ⚠️未建）/ 2608.19583（✅R64已有 / ~173▲）/ 2608.27448（✅R64已有 ★★ / 72▲）/ 2608.25593（✅R64已有 ★★ / ~109▲）/ 2608.24479（✅R64已有邻接 / ~137▲）/ 2608.26872（✅R64已有 / ~71▲）/ 2608.29464（⚠️paper_card 1166已建 / eval.md R64无锚定）/ 2608.17271（✅R64衰减跌出）/ 2608.19269（✅R64已有 ★★★）/ 2608.27455（✅R64已有 ★★）

边界： 本文件写入 /shared/research-kb/inbox/tom/2026-09-02-evaluation-e1prep.md，不写入他人目录，不 git commit，不写密钥。