feat(site): publish LHTB five-arm research brief

[shangzh0]

Summary

• add a bilingual /benchmarks/lhtb/ research brief comparing Plain, Native Goal, LoopX SSH-Goal, Legacy Heartbeat, and New Heartbeat across all 46 LHTB tasks
• publish public-safe aggregate rewards, runtime metadata, mechanism insights, representative gains/losses, and the full searchable task matrix
• connect the study to the Long-Horizon Harness benchmark RFC, LHTB official site/paper, and contributor attribution

Evidence boundary

• one effective trial per task-arm cell; no repeated-seed causal claim
• New Heartbeat changes multiple runtime dimensions together
• public aggregate excludes raw trajectories, local paths, gateway details, credentials, and verifier artifacts
• LHTB reward and the >= 0.95 solved threshold remain benchmark-native

Validation

• npm run build in apps/presentation/site
• aggregate recomputation validates 46 tasks and every arm summary
• desktop 1440px and mobile 390px full-page browser renders: no console errors or document-level horizontal overflow
• English/Chinese routing, search, and task filters exercised
• Frontstage Pages CI passed

[huangruiteng]

审阅对象：PR #4703，exact head d60813451609ad28b2855fe7acda9a4701740c40（作者 shangzh0），base f22879d，本次审阅该 exact head 的完整增量（6 files, +1482/-1）。

动机

这个 PR 的目标是发布一份公开研究简报：在站点上新增双语页面 /benchmarks/lhtb/，用五种长程执行机制（Plain、Native Goal、LoopX SSH-Goal、Legacy Heartbeat、New Heartbeat）在 46 个 LHTB 任务上的结果做对比，并把公开安全的聚合数据放在 benchmark/LHTB/studies/five-arm-gpt56sol-max/。动机本身成立：站上已有两份同类简报（/benchmarks/swe-marathon/、/benchmarks/deepswe/behavior-discovery/），LHTB 这份在此之前没有公开入口；同时研究目录里已有的公开安全规范（只放泛化代码与公开安全结论）也需要一个新的聚合数据落点。

需要强调：这个 PR 的交付物不是"页面能跑"，而是"读者能在 public 站点上打开它"。因此本轮审阅的重点落在发布链路上。

改动思路

页面构造完全复用既有模式，没有引入新机制：

• main.tsx 在既有二选一（swe-marathon / 首页）上增加一个路径分支，按最后两段路径判断，因此 BASE_URL 前缀下也成立。
• LhtbBrief.tsx 沿用 SweMarathonBrief.tsx 的结构：构建期直接 import benchmark/.../data.json（路径写法与既有简报一致）、usePublicPageNavigation 共享语言状态、以及 lhtb-copy.json 双语字典；臂顺序用 keyof typeof study.arms 做类型约束，表格模式是闭集联合类型。
• 数据侧新增 benchmark/LHTB/studies/five-arm-gpt56sol-max/：README.md 明确证据边界（每个 task-arm 格只贡献一次有效 trial；New vs Legacy 是多维同时变化，只能作为机制证据而非单变量消融；替换 trial 已披露；历史成本是估算、New Heartbeat 成本是记录遥测），data.json 只放聚合与逐任务奖励。

具体改动

apps/presentation/site/src/LhtbBrief.tsx（+305）、lhtb-brief.css（+449）、lhtb-copy.json（+256，en/zh）、main.tsx（+6/-1，路由分支与样式导入）；benchmark/LHTB/studies/five-arm-gpt56sol-max/README.md（+31）与 data.json（+435）。

关键点讲解：

1. 路由：main.tsx 第三个分支，pathSegments.slice(-2).join("/") === "benchmarks/lhtb"。在开发服务器与 vite build 产物里都能命中。
2. 页面：固定五臂顺序 + 逐任务 reward spread + 三种表格模式（all / spread / heartbeat）+ 搜索；页面文案包含 benchmark-native 阈值（0.95）与成本口径说明。
3. 数据：46 个唯一公开任务 id，只含 mean_reward/pass_095/token/成本/运行时与 heartbeat_comparison；本轮扫描确认没有绝对路径、IP、URL、邮箱或类凭据字符串。
4. 双语：en/zh 各 182 个叶子键、集合完全一致，不存在只在一侧渲染的文案。

对主干的风险

阻断发现 [P1]：新页面在 public 站点上不会被发布，读者打开 /benchmarks/lhtb/ 会 404，而当前所有检查仍会全绿。

理由是可复核的代码路径与产物事实，而不是推测：

• 站点是 SPA，vite build 只产出根 index.html（我在该 head 上实跑 npm ci + npm run build，dist/ 只有 index.html、site-assets/、blog/，没有 benchmarks/ 目录；构建本身 tsc --noEmit 干净、1800+ 模块通过）。
• Pages 产物的子路径入口由 examples/export-frontstage-share-bundle.mjs 的 copyPublicSiteRoutes() 显式枚举：目前只有 benchmarks/swe-marathon（复制首页 HTML）与 benchmarks/deepswe/behavior-discovery（复制静态文章）。该文件与两个产物 smoke、以及 README/benchmark README 中都没有任何 lhtb/LHTB 注册（已用 rg 在该 head 上确认）。
• examples/frontstage-share-bundle-smoke.mjs 只断言已登记的两份简报条目，因此即使路由缺失，frontstage-pages 工作流也会通过——这就是"绿 CI 掩盖未发布页面"的机制。

最小修复（照搬 swe-marathon 的既有登记方式即可）：在 copyPublicSiteRoutes() 的路由列表加入 benchmarks/lhtb；补 manifest 条目 lhtb_brief_entry: "site/benchmarks/lhtb/index.html" 与 content_sources.lhtb_brief = "benchmark/LHTB/studies/five-arm-gpt56sol-max"，以及生成的 brief URL/README 引用；在 examples/frontstage-share-bundle-smoke.mjs 增加该条目的存在性与 manifest 断言，并把目的地加入 examples/dashboard-frontstage-design-baseline-smoke.mjs 的列表；建议同时在 benchmark/README.md 的 Current work 与 README 特性列表里列出这份简报，保持与既有两份一致的发现路径。回归测试：frontstage-pages 工作流中的 frontstage-share-bundle smoke（含新条目）与 design-baseline smoke，修复前应失败、修复后通过。

非阻断建议 [P3]：仓库已有一份"发布范围"测试 benchmark/tests/test_publication_scope.py（校验已发布文案与聚合数据的臂/范围一致）。新简报目前没有对应守卫，臂名或范围在 data.json 与 lhtb-copy.json 之间漂移不会被发现；建议按同一形态补一个 LHTB 范围用例。

其余风险面反向检查结果是好的：本次改动只给 main.tsx 增加一个路径分支，首页与既有两份简报不受影响；数据只含聚合与公开任务 id；双语完全对称；页面文案没有把机制对比写成单变量因果断言，反而明确写了边界。

未验证项如实标注：本轮没有执行 Pages 导出/部署（需要 dashboard 依赖与网络），因此 P1 的结论来自导出器代码路径与本地构建产物，而不是已部署 URL；该 head 的 CI 在审阅时仍有 14 项 running（无失败），且即便 frontstage-pages 跑绿也不能消除该发现。修复后建议按 AGENTS.md 的公开首屏要求，在部署预览或本地预览中实际打开该页再合并。

我的整体评价

REQUEST_CHANGES。页面与数据本身做得扎实：完全复用既有简报的模式（同一导航 hook、同样的 benchmark JSON 构建期导入、同形态的双语字典与单个路由分支），数据公开安全且证据边界写得很清楚，双语 182 对 182 完全对称，站点构建在该 head 上干净通过。对一份 1482 行的公开页面来说，这样的复用比自创机制更符合仓库习惯。

但它当前不能合并，原因是交付物与"发布"不匹配：新路由没有进入 Pages 导出器与产物 smoke 的登记清单，public 站点上不会存在 /benchmarks/lhtb/ 入口文档；而现有检查恰好只断言另两份简报，导致这个缺口不会被 CI 捕获。按既有的 swe-marathon 登记方式补齐（路由复制、manifest、内容来源、smoke 断言、design baseline），这个 PR 就可以直接转为 APPROVE；顺带补上 LHTB 版的发布范围测试会更稳。

English verdict: REQUEST_CHANGES - #4703 at exact head d608134 adds a well-built bilingual LHTB five-arm research brief (page, styles and copy reuse the accepted swe-marathon pattern; the site builds cleanly with tsc --noEmit + vite at this head; the published aggregate is public-safe with 46 unique task ids and no paths/IPs/URLs/emails/credentials; en/zh copy have exact 182/182 parity; the study README states its evidence boundary honestly), but the brief is not actually published: the site is a client-side SPA whose single dist/index.html has no benchmarks/ subpath, and examples/export-frontstage-share-bundle.mjs copies entry documents only for the explicitly enumerated routes (benchmarks/swe-marathon, benchmarks/deepswe/behavior-discovery). Nothing in the exporter, the share-bundle smoke, the design-baseline smoke or the READMEs registers the new route, so /benchmarks/lhtb/ would 404 after deployment while CI stays green (the bundle smoke asserts only the two known brief entries). Minimum repair: mirror the swe-marathon registration - add benchmarks/lhtb to copyPublicSiteRoutes(), add the manifest entry, content source and generated brief URL/README reference, assert them in examples/frontstage-share-bundle-smoke.mjs, add the destination to examples/dashboard-frontstage-design-baseline-smoke.mjs, and list the brief in benchmark/README.md for discoverability; a non-blocking follow-up is an LHTB-scoped publication-scope test mirroring benchmark/tests/test_publication_scope.py. Not verified here: the Pages export/deploy itself and the still-running CI checks.