基準BEN-2026-0002v0.1

AER-0 架構比較套件（R1–R6）

逐輪成長的決定性可執行比較：R1——兩個事實（一穩定、一在第 8 與 16 小時改變）、17 個模擬小時內 8 次查詢，基線 B1 無狀態／B2 固定 6 小時 TTL／B3 記憶 + 工具／B4 事件驅動複合 agent；R3——分散政策 vs 集中式應用 gate vs AER-ECT，比 provenance、stale write、audit 與依賴綁定；R4——N ∈ {1, 4, 16, 64} 個 caller × 6 條規則的政策拓撲縮放；R5——五個威脅層上的十種繞過情境；R6——連貫的整庫偽造、anchor 竄改、有／無可信 head 的前綴截斷、fail-closed anchor、孤兒 anchor、adapter 一致性。

研究狀態: EXPERIMENTAL 正在進行實驗驗證
證據等級: E2 受控實驗
版本: 0.1
更新: 2026-09-08
建立: 2026-09-08
領域: Evaluation, AI Architecture, Agent Systems
計畫: PRG-2026-0001 自適應世界狀態系統的第一原理框架
作者: Neo.K (EveMissLab)
AI 協作: Sol (GPT-5.6, OpenAI ChatGPT)

目的

purpose: Ask a narrower question each round: what remains distinct once the baseline is allowed to be as good as AER?

指標

metrics: stale answers
recomputations
stable/volatile refreshes
workflow reuse
provenance/version-conflict witnesses
policy sites, rule placements, blast radius, migration edits
PREVENTED / OPEN_DETECTED / OPEN_UNDETECTED per scenario
test counts

評估協定

evaluation_protocol: Baselines are strengthened deliberately (B4 in R1, centralized gate in R3) so ordinary mechanisms are not attributed to AER; every round states supported and not-measured claims separately.

它沒有測什麼

limitations: Not a general-intelligence benchmark; no performance, cost, security-certification or production claim; the LangGraph round is source-grounded, not executed.

關係

來源	關係	目標	狀態	ID
`BEN-2026-0002` AER-0 架構比較套件（R1–R6）	`evaluates`	`THY-2026-0006` AER-ECT：強制的認識論 commit 交易邊界	`ACTIVE`	`REL-2026-0089`
`BEN-2026-0002` AER-0 架構比較套件（R1–R6）	`evaluates`	`THY-2026-0002` Canonical 符號狀態與 candidate → verify → commit 權限	`ACTIVE`	`REL-2026-0090`
`EXP-2026-0001` AER-0 MVP v0.1 收束：不變量能不能被執行？	`uses_benchmark`	`BEN-2026-0002` AER-0 架構比較套件（R1–R6）	`ACTIVE`	`REL-2026-0100`
`EXP-2026-0002` R1——對四個基線的決定性語義比較	`uses_benchmark`	`BEN-2026-0002` AER-0 架構比較套件（R1–R6）	`ACTIVE`	`REL-2026-0106`
`EXP-2026-0003` R2——對 LangGraph 1.2.11 的 source-grounded 結構比較	`uses_benchmark`	`BEN-2026-0002` AER-0 架構比較套件（R1–R6）	`ACTIVE`	`REL-2026-0117`
`EXP-2026-0004` R3——認識論 commit 交易 vs 分散式與集中式應用 gate	`uses_benchmark`	`BEN-2026-0002` AER-0 架構比較套件（R1–R6）	`ACTIVE`	`REL-2026-0128`
`EXP-2026-0005` R4——政策變異面：分散治理 vs 單一強制邊界	`uses_benchmark`	`BEN-2026-0002` AER-0 架構比較套件（R1–R6）	`ACTIVE`	`REL-2026-0138`
`EXP-2026-0006` R5——完全中介與繞過抗性	`uses_benchmark`	`BEN-2026-0002` AER-0 架構比較套件（R1–R6）	`ACTIVE`	`REL-2026-0143`
`EXP-2026-0007` R6——外部信任 anchor、程序分離 writer、adapter 一致性	`uses_benchmark`	`BEN-2026-0002` AER-0 架構比較套件（R1–R6）	`ACTIVE`	`REL-2026-0150`

歷史與來源歷程

Canonical URL

https://evemisslab.com/ai/benchmarks/BEN-2026-0002/

機器可讀

/ai/benchmarks/BEN-2026-0002/index.json

快照

AI-SNAPSHOT-v0.1-fe85b9694a45

來源歷程

source: EveMissLab research collection: Adaptive Epistemic Systems (真本體論13)
extracted_by: Splice (Claude Code), reading the canonical UTF-8 sources and each lab's own result reports
extracted_at: 2026-09-11
generator: tools/extract_aes/extract.py
claim_boundary: status, evidence level and result type follow the source artifact's own stated claim boundary; nothing is upgraded beyond what the report supports