智能体基准不再只换题：保留原目标，递归改写环境依赖，六个模型成功率全线下跌
智能体评测的难度来源从换题转向改环境。递归环境缩放（RES）在不改变任务目标与完成条件的前提下，改写信息获取路径、资源关系与执行依赖，并用可执行校验逐轮接受改动、让子代继承。在三个基准的294个初始任务上，六个评测模型的任务成功率全部下降，Claw-Eval-Live上降幅为57.14至77.14个百分点；用等量轨迹和相同优化设置微调时，RES轨迹在全部九组模型—基准对比中优于原始轨迹监督微调7.00至14.61个百分点。