[loopx-agent]

Delivery Brief

• Goal / Source: Refine the bilingual LoopX blog (apps/presentation/site/public/blog/) so that our long-horizon research & engineering series (Context Delivery, EdgeBench Feedback & Memory, Stride v2, Yardstick, and Control/Worker decoupling) is complete, self-contained, and directly linkable for a multi-part X (Twitter) post series.
• Current Gap:
  1. context-delivery (apps/presentation/site/public/blog/{,zh/}context-delivery/index.html) previously showed only single-task ANN 18h and a historical Grid counterexample in #ablation-evidence, missing the multi-task Progressive vs. Delta vs. Prog+Delta First-Screen byte-ratio breakdown across all 8 latest Four-Arm Context ON 18h trajectories (N = 213 wakes, 112 in-cycle Deltas) and the C1 controller/executor projection unification (#8266 / #8304).
  2. edgebench-feedback-and-memory (apps/presentation/site/public/blog/{,zh/}edgebench-feedback-and-memory/index.html) lacked the explicit 5-stage control & feedback loop, the two-layer research objective (Layer 1: Test-Time Compute Scaling vs. Layer 2: Iso-Budget Pareto Optimality under $\Delta\text{Effectiveness} > \Delta\text{Efficiency Loss}$), and a dedicated section (#stride-yardstick-closed-loop) covering Stride v1 → v2 transitions (N = 372 records, 249 transitions + N = 25 Four-Arm Context ON reviews with 70.6% improved and 0% regressed), the 3 Yardstick trajectory counterexamples (#8101), the paired-candidate comparison fix (#8380), and Control Session / Worker Session separation (C1–C6).
• Observable Result:
  • Added #multitask-context-byte-ratios and bilingual SVG charts (multitask-byte-ratios-{zh,en}.svg) to context-delivery (en & zh): across N = 213 wakes (22.41 MB full packets), Progressive projection reduces bytes to 7.48 MB (33.4%, -66.6%, task range 26.5%–39.0%), in-cycle Delta reduces 112 wakes from 12.53 MB to 4.49 MB (35.8%, -64.2%, task range 20.7%–47.1%), and Progressive + Delta first-screen (--initial-read) carries 3.0% / 5.0% (-97.0% / -95.0%).
  • Added the 5-stage loop, two-layer research objective, and Section 9 (#stride-yardstick-closed-loop) with bilingual SVG charts (stride-yardstick-closed-loop-{zh,en}.svg) to edgebench-feedback-and-memory (en & zh), plus updated blog/{,zh/}index.html listing summaries and revision dates (November 9, 2026).
• Owning Boundary: apps/presentation/site/public/blog/ (static bilingual blog HTML & SVG assets; zero runtime/control-plane behavior change).

First-Screen & Viewport Review Evidence

• Tested Revision: 9ff3b5a7628da7f7c6776bb4e1eeb011aa47eca0 (rendered and inspected in ego-browser at both Desktop 1280×860 @ 2x and Mobile Narrow 390×844 @ 2x viewports; all <img> assets verified with complete === true && naturalWidth > 0).
• Boundary: Packaged static public blog HTML + SVG (apps/presentation/site/public/blog/).

1. Multi-Task Progressive vs. Delta Byte Ratios (context-delivery/#multitask-context-byte-ratios)

2. Stride v2 Action-to-Gain Transitions & Yardstick Trajectory Audit (edgebench-feedback-and-memory/#stride-yardstick-closed-loop)

Validation

• uv run --extra test loopx canary premerge --from-git-diff --git-diff-base origin/main → passed (selected=3 executed=3 failures=0)
• Public/private boundary scan across apps/presentation/site/public/blog/ → passed (zero private terms, local paths, or internal URLs)

[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)

• [P2] 八题 Progressive 汇总无法由公开表格复算。 同一表将八个任务归并成 213 次唤醒的加权总计。八行之和为 7,285,951 B，占 22,408,690 B 的 32.5%。表尾和两种语言的摘要采用 7,479,469 B / 33.4%，相差 193,518 B。图注还把 Delta 写在 213 次共同基准下，35.8% 实际用的是 112 次同周期的约 12.53 MB。先确定正确原始行或合计，用同一个公开聚合来源生成两种语言的表、图和目录，并列出各比率的分母。 审查位置
• [P2] 将候选实现和局部计时写成已上线 C1 收益。 正文把 #8266 / #8304 并称为 recently landed 的统一投影，并归入 26.7% 和 57.1→3.3 ms。两项 PR 均处于 OPEN。#8304 把 57.1→3.3 ms 限定为 1.06 MB 合成 fixture 的 TypeScript 投影，配对 CLI 是 151.2→96.1 ms，所测 RPC 字节相同。逐项标出候选状态、固定版本和测量入口，给 69.9→51.3 KB 独立可核对的来源与分母，缺该证据时删去该归因。 审查位置 C1 候选 #8266 投影测量 #8304
• [P2] Stride 图把未对账的转移当成平局。 grow 组正文列 27/34 改善、6 持平、0 退化。列出的分类只覆盖 33 项。图显示 20.6% 持平，相当于 7/34。v1 图行还用改善颜色画 grow 决策频率，与 v2 的后继得分不同口径。回查未归类项的真实结果，未配对时单列未知。v1 单列动作选择分布，最近样本在图注同时标明 25 次复盘和 17 次有分数转移。 审查位置 图中 20.6%

动机 / Motivation

阅读或转述 LoopX 公开研究文章的人，需要从目录直接找到八题上下文开销和后程实验的可回查证据。 原来要从单题案例和分散的 PR 追读。新增章节、图表和互链缩短了这条路径，但读者按表复算会得到与正文和目录不同的比例。 文章应把两组样本各自的分母、统计和源版本放在同一阅读路径上，并把已发布机制与候选实验分开。 此次改动只发布静态 HTML 与 SVG，不启动新实验，也不修改控制面、用户权限或已保存的历史数据。 两种语言共用一处无法对账的字节合计、一个未对齐的 Stride 分类和一项错误的 C1 上线归因。

改动思路 / Approach

保持现有静态 Blog 的 owner 可保留深链接、语言对和图片失效后的可读内容。保留人工复制多份数字使同一个错误扩散到公开目录、两种语言与配图。 保留当前两篇文章、双语目录及可访问图表；只增加能由同一公开聚合输入复算的结果与逐来源的状态说明。 浏览器只读取已打包的静态文件。首屏保留文章标题与导语，新表和图可由目录与章节锚点发现，图缺失时表和替代文字仍在。

具体改动 / Changes

审查提交 9ff3b5a7628da7f7c6776bb4e1eeb011aa47eca0，对照 3b16b849148817988535ae165d626da82f44356b。六份 HTML 共 +268/−24，覆盖两篇文章的英中版和两个目录。四份新 SVG 共 +3088 行。目录改摘要与更新时间，文章新增章节、共享相对图像链接、统计表和方法说明。

基线规范固定在 3b16b849148817988535ae165d626da82f44356b。 apps/presentation/site/README.md

• paired-published-navigation（已验证）。双语目录、文章锚点和公开来源在同一 Pages 基址中保持可达。生产构建复制 Blog 文件逐字节一致，十篇配对 smoke 通过，新锚点和图在两个视口可读。
• aggregate-provenance（未满足）。公开研究内容保留样本、证据出处和有效性边界。八题汇总与行数据不符，Delta 的 112 次分母在图注里混为 213 次，Stride 图把缺一项的 grow 组成画成闭合比例。
• status-and-cost-attribution（未满足）。正文保留历史设置，区分局部测量、候选实现与已发布行为。#8266/#8304 当时均开放，57.1→3.3 ms 是 #8304 的特定 TypeScript 投影耗时。

关键代码讲解

• #multitask-context-byte-ratios 通过目录与 EdgeBench 互链可达，呈现八题表和本地化图像。 版本与位置
• #stride-yardstick-closed-loop 把步骤选择、有效分数和 Yardstick 反例分节。#8380 已合入，其合适的表述是同一对候选的比较不再被未提交探针遮掉。 版本与位置
• 两个目录复用原排序和出版日期结构，摘要与更新时间把读者指到改过的两个条目。 版本与位置
• 四个 SVG 是静态解释资产。图轴、图注、替代文字与表格都承载公开声明，文件可以打开并不验证其中的数据。 版本与位置

对主干的风险 / Risks

PASS。真实 /loopx/ Vite 构建、双语目录和 SEO smoke 通过，四张图在两个尺寸都加载。窄屏键盘能从表进入原图，注入缺图仍有 alt 和九个表格行。

FAIL。八题 Progressive 行和为 7,285,951 B，表尾却给 7,479,469 B。两项仍开放的 PR 被写作已落地 C1。Stride grow 的 34 项只列出 33 项，图又把 20.6% 标为 flat。 复算两份 HTML 表格、核对 SVG 标签和已链接 PR 的生命周期、固定 fixture 及计时范围。用一份可公开的聚合输入生成表、图、目录数字和图注，明确两个 wake cohort 与未知结果；将候选测量按 PR、版本、fixture 和计时入口分开标注。

UNVERIFIED。公开材料没有提供新八题逐 wake 数据或 Stride 全部转移，本轮复算仅覆盖已发表单元格和图标签。没有重跑实验或检查远端 CI。

另有生成格式问题，四份 SVG 共 704 个尾随空白行，HTML 差异检查干净。建议重新生成时一起清理。

语义与 CI 对齐

继续使用现有 Blog 和 benchmark 的术语与归属。双语配对与打包检查能验证发布路径，还需复算公开表与图的数据，并回查链接的状态和实际计时范围。

我的整体评价 / Verdict

错误比例和候选上线归因会随目录和文章被引用，后续研究对照也会沿用错误基准或状态。 目录和深链接能更快把读者送到表与图。当前汇总与分类却要求读者自行判断分母和发布状态，直接妨碍比较。 已查看桌面与窄屏的实际首屏及下方图表。标题、目录入口与正文层级清楚，窄屏图例需要打开原图，键盘可达，缺图后文字和表仍能读。 采用了先确认首个可用阅读路径再检查现有 owner 的做法。该经验来自分期 RFC，本 PR 的研究证据与历史判词无关。

未验证已部署 Pages 和其他浏览器的表现。

English verdict: REQUEST_CHANGES. Head 9ff3b5a. The Progressive rows total 7,285,951 B (32.5%), the Stride chart changes its outcome counts, and the cited C1 PRs are still open. The bilingual site build and desktop/narrow reading paths passed.