docs(research): add Jev external evidence supplement

[Duang777]

Goal And Delivered Outcome

• Goal/source and gap: Supplement the optional semantic assistance RFC with external Jev evidence, including dataset scope, metric definitions, selection bias, and implementation boundaries.
• Observable before → after: The RFC now links to a compact evidence register that distinguishes local classification results from unproven D7/D8 value. D4-shaped screening is optional, and no research or adoption gate changes.
• Issue/task and intended base: User-requested research supplement; base main. No issue closure.

Scope And Continuation

• Completed scope and remaining work: Complete within this documentation scope. Adds one Chinese research note, a research index entry, and matching references in both RFC languages.
• Slice boundary / successor: Model experiments and adoption remain outside this change and subject to the RFC owner decisions. No runtime implementation or new framework is proposed.

Validation

• Tested revision: 6ce0d02375b00e54bc462b51bcf24cbe4ef44333
• Run state: finished
• Input classes: public_fixture

Check kind	Result	Public-safe evidence / limitation
static	passed	uv run --no-sync --extra test python examples/docs-governance-smoke.py
static	passed	uv run --no-sync --extra test python examples/docs-asset-integrity-smoke.py
static	passed	git diff origin/main...HEAD --check
manual	passed	Source comparisons address denominators, imported baselines, development-set tuning, and caller-specific inference limits.
real_backend	not_run	No Jev API calls or independent benchmark reproduction. Published results remain source-reported evidence.

• Coverage and gaps: Documentation checks cover repository structure and assets. Source citations preserve evidence limitations; this PR makes no claim of LoopX model qualification. Runtime tests are not applicable.

Frontend / Visual Evidence

• UI impact: none
• Before / after / states / viewports: Not applicable; Markdown content and references only.
• Source data: public_fixture
• Attention review: No documentation chrome or product viewport changes.

Type of Change

• Documentation update

LoopX Area

• Public docs or presentation surface (README, protocols, dashboard)

Technical Direction

• Architecture and research incubator; docs/architecture/rfcs/optional-semantic-assistance-jev-v0.md. RFC decision status and Q1-Q7 remain unchanged.

Shared-authority RFC fixture impact

Not applicable; no shared-authority or TypeScript control-plane changes.

Boundary Checklist

• Neither the diff nor this PR body discloses private state, credentials, raw traces, internal links, or local machine paths.
• No maintainer-owned benchmark execution is duplicated.
• The change stays scoped to the research supplement.
• UI impact is none.
• Every commit includes a DCO sign-off.

[huangruiteng]

Exact head reviewed: 6ce0d02375b00e54bc462b51bcf24cbe4ef44333

动机

没有发现阻塞问题。这个 PR 补的不是 Jev 的产品结论，而是现有 accepted-for-discussion RFC 缺失的一层可核对外部证据：哪些公开结果只支持“小型固定集合上的局部判断值得研究”，哪些结果受开发集调阈值、外部基线、候选集固定、样本重复或分布变化限制，因此不能被提升为 LoopX 的 D7/D8 资格、产品优先级或运行时 authority。

这个交付边界是成立的。研究证据可以独立审阅、纠错和回滚，而 Q1–Q7 仍由 RFC owner 决定；它没有用“文档已写完”替代研究准入、数据出站、预算、采用或实现决定。

改动思路

改动把快变化的外部材料放在单一、注明日期的非规范 research note 中，只在研究索引和中英文 RFC 的 Appendix C 增加 E6 引用。这样 RFC 继续拥有规范性状态和决策边界，证据快照只负责提供来源、分母、方法限制和可否推出的结论，避免把同一批易过期数据复制进两份规范正文。

我按最强反例审阅了这条结构：如果读者只看到 100% 检出、96.5% 路由或低调用成本，会不会误判为已完成 LoopX-local qualification。当前文本通过逐行限制、jev-harness-lab 汇总/方法章节冲突总量说明、固定 revision 链接，以及 Q1–Q7 的“仍未成立”列，明确阻止了这种推断。

具体改动

关键内容讲解

1. jev-external-evidence-supplement-v0.zh-CN.md 用一张表登记 TypeSafe、LangChain、SciFact、MetaTool、SkillRetBench、InjecAgent、RouterBench、Who&When、judge-audit 和 Backnotprop 的报告结果，同时把样本规模、调参/选择偏差和不可外推边界放在同一行，避免只保留 headline metric。
2. 三个实现案例分别证明不同边界：browser-use 只在当前 DOM 候选内选择且执行前重验；compaction 会实际删减结果/调用但保留 pinned/recent 并在失败或压缩不足时回退；auto-mode 先执行确定性 hard-deny，Jev 不可用、取消或返回非法结构时 fail closed。文档没有把三者误抽象成一个已经验证的通用 provider。
3. Q1–Q7 表把外部证据能带来的研究建议与仍未成立的结论分开；RFC 两种语言只增加 E6，研究索引只增加一个入口，没有改变 M0 状态、里程碑或 authority。

我对材料数字和实现边界做了独立抽查：官方页面确认 jev-1.13.0、每百万 input tokens 0.042 美元以及 64k/32k 限制；LangChain 报告确实只有 5 条固定轨迹、每条 100 次且未记录服务模型版本；固定仓库材料确认 60×15 SciFact、MetaTool 200+200 与 96.5%、SkillRetBench 指标/外部 baseline 读取、1,105/130/825/1,403 分母、120 行但 61 种文本的 ablation、1,688/6,115 两组 guardrail 数据，以及三个实现的失败边界。

对主干的风险

主干风险低且局限于研究文档可能随外部页面漂移。这个风险已通过访问日期、固定 commit 链接、source-reported/未复跑声明和非规范定位约束；任何未来采用仍必须回到目标 caller 的独立留出集、授权数据、冻结对照与 owner 决定。

本地验证：

• uv run --extra test python examples/docs-governance-smoke.py：通过；
• uv run --extra test python examples/docs-asset-integrity-smoke.py：通过（6 assets）；
• git diff --check origin/main...HEAD：通过；
• 公开/私有边界扫描：没有新增本机路径、凭证、内部链接或私人运行材料；
• 相关 PR/历史扫描：只找到本 Jev RFC 主线及其已合并演进，没有重复的并行 evidence supplement。

未运行 Jev API，也没有独立复现实验；这不是遗漏，因为本 PR 明确交付的是带限制的外部证据登记，而不是模型资格证明。

我的整体评价

APPROVE。这个 exact head 提供了一个完整、可追踪、可回滚的研究增量：材料有来源，headline 有分母，局限与结论并列，且没有把 evidence intake 偷换成 study/adoption approval。代码量为零，106 行全部属于单一研究主题；把内容再塞回双语 RFC 会增加重复和漂移，当前单一 supplement 的放置更合理。

向前看的边界也合适：以后若外部事实变化，只更新有日期的 evidence note；只有 owner 真正接受 Q1–Q4 后，才另开 M1 study。当前无需新增 capability、provider、schema 或通用框架。

English verdict: APPROVE — exact head 6ce0d02375b00e54bc462b51bcf24cbe4ef44333 adds a traceable, caveated external-evidence snapshot without changing the Jev RFC's accepted-for-discussion status, study/adoption gates, data authority, or runtime behavior; the documentation checks and material source spot-checks passed with no blocking finding.