研究与基准测试/2026-11-03/22 分钟规则更多，名单更长？在隐藏规则课程上评测自进化智能体自进化智能体可以靠一份越写越长的例外名单通过练习，却仍然不会把隐藏规则用到没见过的成员上。CLR-Bench 用 20 条链、80 条网上公开分组证明：在认证模型上，六种方法至多比冻结智能体高 5 分。
研究与基准测试/2026-11-03/8 分钟CLR-Bench：附录CLR-Bench 的附录：20 条链的隐藏类、十个领域的陷阱字段、全部实验条件，以及课文原文、GEPA 格式说明和第 1 层练习反馈示例。
