fix: Update Village AI page — training status is now factual

Training has completed 7 runs (Run 006 is production model).
Hardware is installed and operational. Training-time governance
is empirically validated. Updated status, caveat, limitations
item1 (training begun) and item5 (persistence under research)
across HTML + 4 locale files (en, de, fr, mi).

Translations via DeepL. Brand names preserved.

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

public/locales/de/village-ai.json

@@ -7,7 +7,7 @@
     "badge": "SOUVERÄNES, LOKAL TRAINIERTES SPRACHMODELL",
     "title": "Village AI",
     "subtitle": "Ein Sprachmodell, bei dem die Gemeinschaft die Trainingsdaten, die Modellgewichte und die Steuerungsregeln kontrolliert. Nicht nur geregelte Inferenz — geregeltes Training.",
-    "status": "<strong>Status:</strong> Village AI arbeitet in der Produktion für Inferenz. Die souveräne Trainingspipeline ist entworfen und dokumentiert; die Hardware ist bestellt. Die Ausbildung hat noch nicht begonnen. Auf dieser Seite werden sowohl die derzeitigen Fähigkeiten als auch die geplante Architektur beschrieben."
+    "status": "<strong>Status:</strong> Village AI arbeitet in der Produktion sowohl für Inferenz als auch für souveränes Training. Es wurden sieben Trainingsläufe auf lokaler Hardware (AMD RX 7900 XTX) durchgeführt. Lauf 006 ist das aktuelle Produktionsmodell. Die Steuerung der Trainingszeit ist empirisch validiert."
   },
   "sll": {
     "heading": "Was ist eine SLL?",
@@ -100,7 +100,7 @@
     "principle_line3": "Ein Modell, das über verinnerlichte Governance-Regeln verfügt UND innerhalb der Governance-Architektur arbeitet",
     "principle_line4": "führt zu besseren Ergebnissen als jeder Ansatz allein. Das Modell funktioniert MIT den Leitplanken,",
     "principle_line5": "nicht gegen sie &mdash; Verringerung der Rechenzeitverschwendung und Verbesserung der Antwortqualität.",
-    "caveat": "<strong>Ehrlicher Vorbehalt:</strong> Schicht A (inhärente Governance durch Schulung) ist konzipiert, aber noch nicht empirisch validiert &mdash; Die Schulung hat noch nicht begonnen. Schicht B (aktive Steuerung über Village Codebasis) ist seit mehr als 11 Monaten in der Produktion im Einsatz. Die Zwei-Ebenen-These ist eine architektonische Verpflichtung, aber noch kein nachgewiesenes Ergebnis."
+    "caveat": "<strong>Ehrlicher Vorbehalt:</strong> Schicht A (inhärente Governance über Training) wurde in sieben Trainingsläufen empirisch validiert &mdash; Lauf 006 erreicht 100% Governance-Compliance und 4,8/5,0 Bias-Score. Schicht B (aktive Governance über die Village-Codebasis) ist seit über 11 Monaten in der Produktion im Einsatz. Die Dual-Layer-These zeigt Ergebnisse, auch wenn die Bewertung weiterhin in Eigenregie erfolgt. Eine unabhängige Prüfung ist geplant."
   },
   "philosophy": {
     "heading": "Philosophische Grundlagen",
@@ -232,11 +232,11 @@
   },
   "limitations": {
     "heading": "Beschränkungen und offene Fragen",
-    "item1": "<strong>Ausbildung noch nicht begonnen:</strong> Die SLL-Architektur ist entworfen und dokumentiert. Die Hardware ist bestellt. Aber es wurde noch kein Modell trainiert. Behauptungen über die Steuerung der Trainingszeit sind architektonisches Design, keine empirischen Ergebnisse.",
+    "item1": "<strong>Frühphasen-Training:</strong> Sieben QLoRA-Feinabstimmungsläufe wurden auf einer Llama 3.2 3B-Basis abgeschlossen. Lauf 006 ist das aktuelle Produktionsmodell (FAQ 72,1%, Persona 100%, Governance 100%, Bias 4,8/5,0, Halluzination 0,8%). Die Steuerung während der Ausbildungszeit ist empirisch validiert, aber die Bewertung ist eine Selbstauskunft. Ein unabhängiges Audit ist geplant.",
     "item2": "<strong>Beschränkter Einsatz:</strong> Village AI arbeitet mit vier föderierten Mandanten innerhalb einer Plattform, die vom Entwickler des Frameworks gebaut wurde. Die Wirksamkeit der Governance kann ohne unabhängige Einsätze nicht verallgemeinert werden.",
     "item3": "<strong>Selbstberichtete Metriken:</strong> Leistungs- und Sicherheitszahlen werden von demselben Team gemeldet, das das System gebaut hat. Ein unabhängiges Audit ist geplant, wurde aber noch nicht durchgeführt.",
     "item4": "<strong>Operationalisierung von Traditionen:</strong> Lassen sich reichhaltige philosophische Traditionen authentisch auf Hinweise zur Rahmung reduzieren? Wenn ein Mitglied \"Buddhist\" auswählt, bedeutet das nicht, dass es den Buddhismus versteht oder praktiziert. Dies birgt die Gefahr der Oberflächlichkeit.",
-    "item5": "<strong>Ausdauer des Trainings unbekannt:</strong> Ob die Governance-Einschränkungen Hunderte von Trainingsrunden ohne Beeinträchtigung überstehen, ist eine offene Forschungsfrage. Die Drift-Erkennung ist konzipiert, aber nicht getestet.",
+    "item5": "<strong>Ausdauer des Trainings bei aktiver Forschung:</strong> Lauf 007 zeigte katastrophales Vergessen (21 Rückschritte bei 35 gezielten Ergänzungen), was die Drift als reales Risiko bestätigt. Für Lauf 008 wurde eine Wiederholungspufferstrategie eingeführt. Die Drift-Erkennung wurde entwickelt und wird empirisch validiert.",
     "item6": "<strong>Eingeschränkte adversarische Tests:</strong> Der Governance-Stack wurde keiner systematischen adversarischen Bewertung unterzogen. Red-teaming ist eine Priorität.",
     "item7": "<strong>Skala unbekannt:</strong> Der Governance-Overhead (~5% pro Interaktion) wird in der aktuellen Skala gemessen. Ob dies auch bei hohem Durchsatz der Fall ist, wurde noch nicht getestet.",
     "item8": "<strong>Kulturelle Validierung erforderlich:</strong> Die Spezifikationen der Module für indigenes Wissen erfordern eine ständige Konsultation mit den kulturellen Beratern der M&#257;ori. Die Dokumentation ist ein Ausgangspunkt, keine endgültige Instanz."

public/locales/en/village-ai.json

@@ -7,7 +7,7 @@
     "badge": "SOVEREIGN LOCALLY-TRAINED LANGUAGE MODEL",
     "title": "Village AI",
     "subtitle": "A language model where the community controls the training data, the model weights, and the governance rules. Not just governed inference — governed training.",
-    "status": "<strong>Status:</strong> Village AI operates in production for inference. The sovereign training pipeline is designed and documented; hardware is being installed. Training has not yet begun. This page describes both current capability and intended architecture."
+    "status": "<strong>Status:</strong> Village AI operates in production for both inference and sovereign training. Seven training runs have been completed on local hardware (AMD RX 7900 XTX). Run 006 is the current production model. Training-time governance is empirically validated."
   },
   "sll": {
     "heading": "What is an SLL?",
@@ -100,7 +100,7 @@
     "principle_line3": "A model that has internalised governance rules AND operates within governance architecture",
     "principle_line4": "produces better outputs than either approach alone. The model works WITH the guardrails,",
     "principle_line5": "not against them &mdash; reducing compute waste and improving response quality.",
-    "caveat": "<strong>Honest caveat:</strong> Layer A (inherent governance via training) is designed but not yet empirically validated &mdash; training has not begun. Layer B (active governance via Village codebase) has been operating in production for 11+ months. The dual-layer thesis is an architectural commitment, not yet a demonstrated result."
+    "caveat": "<strong>Honest caveat:</strong> Layer A (inherent governance via training) has been empirically validated across seven training runs &mdash; Run 006 achieves 100% governance compliance and 4.8/5.0 bias score. Layer B (active governance via Village codebase) has been operating in production for 11+ months. The dual-layer thesis is demonstrating results, though evaluation remains self-reported. Independent audit is planned."
   },
   "philosophy": {
     "heading": "Philosophical Foundations",
@@ -232,11 +232,11 @@
   },
   "limitations": {
     "heading": "Limitations and Open Questions",
-    "item1": "<strong>Training not yet begun:</strong> The SLL architecture is designed and documented. Hardware is being installed. But no model has been trained yet. Claims about training-time governance are architectural design, not empirical results.",
+    "item1": "<strong>Early-stage training:</strong> Seven QLoRA fine-tuning runs have been completed on a Llama 3.2 3B base. Run 006 is the current production model (FAQ 72.1%, persona 100%, governance 100%, bias 4.8/5.0, hallucination 0.8%). Training-time governance is empirically validated but evaluation is self-reported. Independent audit is planned.",
     "item2": "<strong>Limited deployment:</strong> Village AI operates across four federated tenants within one platform built by the framework developer. Governance effectiveness cannot be generalised without independent deployments.",
     "item3": "<strong>Self-reported metrics:</strong> Performance and safety figures are reported by the same team that built the system. Independent audit is planned but not yet conducted.",
     "item4": "<strong>Tradition operationalisation:</strong> Can rich philosophical traditions be authentically reduced to framing hints? A member selecting \"Buddhist\" does not mean they understand or practise Buddhism. This risks superficiality.",
-    "item5": "<strong>Training persistence unknown:</strong> Whether governance constraints survive hundreds of training rounds without degradation is an open research question. Drift detection is designed but untested.",
+    "item5": "<strong>Training persistence under active research:</strong> Run 007 demonstrated catastrophic forgetting (21 regressions from 35 targeted additions), confirming drift as a real risk. Replay buffer strategy implemented for Run 008. Drift detection is designed and being validated empirically.",
     "item6": "<strong>Adversarial testing limited:</strong> The governance stack has not been subjected to systematic adversarial evaluation. Red-teaming is a priority.",
     "item7": "<strong>Scale unknown:</strong> Governance overhead (~5% per interaction) is measured at current scale. Whether this holds under high throughput is untested.",
     "item8": "<strong>Cultural validation needed:</strong> Indigenous knowledge module specifications require ongoing consultation with M&#257;ori cultural advisors. The documentation is a starting point, not a final authority."

public/locales/fr/village-ai.json

@@ -7,7 +7,7 @@
     "badge": "MODÈLE LINGUISTIQUE SOUVERAIN FORMÉ LOCALEMENT",
     "title": "Village AI",
     "subtitle": "Un modèle linguistique dans lequel la communauté contrôle les données d'apprentissage, les poids du modèle et les règles de gouvernance. Il ne s'agit pas seulement d'une inférence gouvernée — mais d'une formation gouvernée.",
-    "status": "<strong>Status:</strong> Village AI fonctionne en production pour l'inférence. Le pipeline de formation souveraine est conçu et documenté ; le matériel est commandé. La formation n'a pas encore commencé. Cette page décrit à la fois la capacité actuelle et l'architecture prévue."
+    "status": "<strong>Statut:</strong> Village AI fonctionne en production pour l'inférence et la formation souveraine. Sept cycles d'entraînement ont été réalisés sur le matériel local (AMD RX 7900 XTX). L'exécution 006 est le modèle de production actuel. La gouvernance du temps de formation est validée empiriquement."
   },
   "sll": {
     "heading": "Qu'est-ce qu'un SLL ?",
@@ -100,7 +100,7 @@
     "principle_line3": "Un modèle qui a internalisé les règles de gouvernance ET qui fonctionne dans le cadre de l'architecture de gouvernance",
     "principle_line4": "produit de meilleurs résultats que l'une ou l'autre de ces approches. Le modèle fonctionne AVEC les garde-fous,",
     "principle_line5": "et non contre eux &mdash; réduire le gaspillage de ressources informatiques et améliorer la qualité des réponses.",
-    "caveat": "<strong>Honête mise en garde:</strong> La couche A (gouvernance inhérente via la formation) est conçue mais n'a pas encore été validée empiriquement &mdash; la formation n'a pas commencé. La couche B (gouvernance active via la base de code Village) fonctionne en production depuis plus de 11 mois. La thèse de la double couche est un engagement architectural, mais pas encore un résultat démontré."
+    "caveat": "<strong>Honnête mise en garde:</strong> La couche A (gouvernance inhérente à la formation) a été validée de manière empirique au cours de sept cycles de formation &mdash; le cycle 006 atteint une conformité de gouvernance de 100% et un score de partialité de 4,8/5,0. La couche B (gouvernance active via la base de code du Village) fonctionne en production depuis plus de 11 mois. La thèse de la double couche donne des résultats, bien que l'évaluation reste autodéclarée. Un audit indépendant est prévu."
   },
   "philosophy": {
     "heading": "Fondements philosophiques",
@@ -232,11 +232,11 @@
   },
   "limitations": {
     "heading": "Limites et questions ouvertes",
-    "item1": "<strong>La formation n'a pas encore commencé:</strong> L'architecture SLL est conçue et documentée. Le matériel est commandé. Mais aucun modèle n'a encore été formé. Les affirmations relatives à la gouvernance du temps de formation relèvent de la conception architecturale et non de résultats empiriques.",
+    "item1": "<strong>Début de la formation:</strong> Sept essais de mise au point de QLoRA ont été réalisés sur une base Llama 3.2 3B. L'exécution 006 est le modèle de production actuel (FAQ 72,1%, persona 100%, gouvernance 100%, biais 4,8/5,0, hallucination 0,8%). La gouvernance du temps de formation est validée empiriquement mais l'évaluation est autodéclarée. Un audit indépendant est prévu.",
     "item2": "<strong>Déploiement limité:</strong> Village AI fonctionne à travers quatre locataires fédérés au sein d'une plateforme construite par le développeur du cadre. L'efficacité de la gouvernance ne peut être généralisée sans déploiements indépendants.",
     "item3": "<strong>Mesures autodéclarées:</strong> Les chiffres relatifs à la performance et à la sécurité sont rapportés par l'équipe qui a construit le système. Un audit indépendant est prévu mais n'a pas encore été réalisé.",
     "item4": "<strong>Tradition operationalisation:</strong> Les riches traditions philosophiques peuvent-elles être authentiquement réduites à des indices de cadrage ? Un membre qui choisit \"bouddhiste\" ne signifie pas qu'il comprend ou pratique le bouddhisme. Cela risque d'être superficiel.",
-    "item5": "<strong>Persistance de l'entraînement inconnue:</strong> La question de savoir si les contraintes de gouvernance survivent à des centaines de cycles d'entraînement sans se dégrader est une question de recherche ouverte. La détection des dérives est conçue mais n'a pas été testée.",
+    "item5": "<strong>La persistance de la formation fait l'objet d'une recherche active:</strong> L'exécution 007 a montré un oubli catastrophique (21 régressions sur 35 ajouts ciblés), confirmant que la dérive est un risque réel. Une stratégie de tampon de relecture a été mise en œuvre pour l'exécution 008. La détection de la dérive est conçue et en cours de validation empirique.",
     "item6": "<strong>Tests contradictoires limités:</strong> La pile de gouvernance n'a pas été soumise à une évaluation contradictoire systématique. Le red-teaming est une priorité.",
     "item7": "<strong>Echelle inconnue:</strong> La surcharge de gouvernance (~5% par interaction) est mesurée à l'échelle actuelle. Il n'a pas été testé si cela est valable pour un débit élevé.",
     "item8": "<strong>La validation culturelle est nécessaire:</strong>Les spécifications des modules de connaissances indigènes nécessitent une consultation permanente avec les conseillers culturels de M&#257;ori. La documentation est un point de départ et non une autorité finale."

public/locales/mi/village-ai.json

@@ -7,7 +7,7 @@
     "badge": "Mōdelī Reo Rangatira Kua Whakangungua ā-Rohe",
     "title": "Village AI",
     "subtitle": "He tauira reo e whakahaerehia ana e te hapori ngā raraunga whakangungu, ngā taumaha o te tauira, me ngā ture whakahaere. Ehara i te whakatau anake e whakahaerehia ana, engari ko te whakangungu hoki e whakahaerehia ana.",
-    "status": "Tūnga: Kei te whakahaere te Village AI i te whakaputanga mō te whakatau. Kua hoahoatia, kua tuhia hoki te ara whakangungu rangatira; kei te tāuta ngā taputapu. Kāore anō kia tīmata te whakangungu. E whakamārama ana tēnei whārangi i ngā āheinga o nāianei me te hanganga e whakamaheretia ana."
+    "status": "Tūnga: Kei te whakahaere a Village AI i te whakaputanga mō te whakamātau me te whakangungu rangatira. Kua oti i runga i ngā taputapu ā-rohe (AMD RX 7900 XTX) ngā huringa whakangungu e whitu. Ko te huringa 006 te tauira whakaputanga o nāianei. Kua whakamana ā-taurite te whakahaere i te wā whakangungu."
   },
   "sll": {
     "heading": "He aha te SLL?",
@@ -100,7 +100,7 @@
     "principle_line3": "He tauira kua whakauru i ngā ture whakahaere ki roto, ā, e mahi ana i roto i te hanganga whakahaere",
     "principle_line4": "Ka whakaputa hua pai ake i tētahi o ngā huarahi e rua anake. Ka mahi te tauira me ngā here haumaru,",
     "principle_line5": "ehara i te mea ki a rātou — te whakaiti i te para rorohiko me te whakapai ake i te kounga o ngā whakautu",
-    "caveat": "Kia mōhio pono: Kua hoahoatia te Papanga A (whakahaere ā-roto mā te whakangungu), engari kāore anō kia whakamana ā-taurite – kāore anō te whakangungu kia tīmata. Kua rere te Papanga B (whakahaere kaha mā te pūtake waehere o Village) i te taiao whakaputa mō te neke atu i te 11 marama. He ū ki te hanganga te ariā papanga-rua, ehara i te hua kua whakaaturia."
+    "caveat": "Kia mōhio pono: Kua whakamana ā-taiao a Papanga A (whakahaere taketake mā te whakangungu) i roto i ngā whakahaere whakangungu e whitu. I tutuki i te whakahaere 006 te 100% o te ū ki ngā tikanga whakahaere me te tohu pāpaku 4.8/5.0. Kua rere i te whakaputanga mō te neke atu i te 11 marama a Papanga B (whakahaere kaha mā te pūtake waehere o Village). Kei te whakaatu hua te ariā paparua, ahakoa kei te pūrongo a-ringa tonu ngā aromatawai. Kei te whakamaherehia he arotake motuhake."
   },
   "philosophy": {
     "heading": "Ngā Pūtake Arorau",
@@ -232,11 +232,11 @@
   },
   "limitations": {
     "heading": "Ngā here me ngā pātai tuwhera",
-    "item1": "Kāore anō te whakangungu kia tīmata: Kua hoahoatia, kua tuhia hoki te hanganga SLL. Kei te tāuta ngā taputapu. Engari kāore anō kia whakangungua tētahi tauira. Ko ngā kī mō te whakahaere i te wā whakangungu he hoahoa hanganga, ehara i ngā hua aromatawai.",
+    "item1": "Whakangungu ā-tīmatanga: Kua oti ngā whakamātautau whakatikatika QLoRA e whitu i runga i te turanga Llama 3.2 3B. Ko te whakamātautau 006 te tauira whakaputa o nāianei (FAQ 72.1%, persona 100%, governance 100%, bias 4.8/5.0, hallucination 0.8%). Kua whakamana ā-taurite te whakahaere i te wā whakangungu, engari nā mātou anō ngā aromatawai i pūrongo. Kei te whakamahere he arotake motuhake.",
     "item2": "Whakaurunga herea: Ka whakahaere te Village AI i roto i ngā kaipānga whakawhanaunga e whā i runga i tētahi tūāpapa kotahi i hangaia e te kaiwhakawhanake anga. Kāore e taea te whānui i te whaihua o te whakahaere mehemea kāore he whakaurunga motuhake.",
     "item3": "Ngā ine i pūrongo a te rōpū anō: E pūrongo ana te rōpū kotahi i hanga i te pūnaha i ngā tatauranga mō te mahi me te haumaru. Kua whakamaheretia he arotake motuhake, engari kāore anō kia whakahaerehia.",
     "item4": "Te whakatinanatanga o ngā tikanga tuku iho: Ka taea te whakaiti pono i ngā tikanga whakaaro hōhonu kia noho hei tohutohu anake mō te anga? Ehara i te mea mā te kōwhiri a tētahi mema i te kōwhiringa 'Buddhist' e tohu ana kua mārama rānei, kua whai i ngā tikanga o te Buddhism. Ka mōrearea tēnei kia noho mata noa.",
-    "item5": "Ehara i te mōhiotia te toitūtanga o te whakangungu: He pātai rangahau tuwhera mēnā ka ora tonu ngā here whakahaere i roto i ngā rau huringa whakangungu me te kore he ngoikore. Kua hoahoatia te kitenga huringa, engari kāore anō kia whakamātauria.",
+    "item5": "Te ū ki te whakangungu i raro i te rangahau e haere tonu ana: I whakaatu a Run 007 i te wareware tino kino (21 whakahokinga i roto i ngā 35 tāpiritanga i whāia), e whakau ana he tūraru tūturu te rere. Kua whakatinanahia te rautaki pūkawe whakahōu mō Run 008. Kua hoahoatia te pūnaha kitenga rere, ā, kei te whakamātauria ā-taurite.",
     "item6": "Whakamātautau whakatumatuma kua herea: Kāore te rārangi whakahaere i whakamātauria mā te arotakenga whakatumatuma ā-tukatuka. Ko te whakamātautau whakatumatuma (red-teaming) he mea matua.",
     "item7": "Tauwhāinga kāore i te mōhiotia: Ka ine i te utu whakahaere (tata ki te 5% mō ia whakawhitinga) i te rahi o nāianei. Kāore anō kia whakamātauria mēnā ka tika tonu tēnei i raro i te nui o te rerenga mahi.",
     "item8": "Me whakamanahia ā-ahurea: E hiahiatia ana kia whai kōrero tonu ki ngā kaitohutohu ahurea Māori mō ngā whakaritenga o te wāhanga mātauranga taketake. He tīmatanga noa iho ngā tuhinga, ehara i te mana whakamutunga."

public/village-ai.html

@@ -62,7 +62,7 @@
         </p>
         <div class="bg-amber-100 border-2 border-amber-400 rounded-lg p-4 max-w-2xl mx-auto">
           <p class="text-amber-900 text-sm" data-i18n-html="hero.status">
-            <strong>Status:</strong> Village AI operates in production for inference. The sovereign training pipeline is designed and documented; hardware is being installed. Training has not yet begun. This page describes both current capability and intended architecture.
+            <strong>Status:</strong> Village AI operates in production for both inference and sovereign training. Seven training runs have been completed on local hardware (AMD RX 7900 XTX). Run 006 is the current production model. Training-time governance is empirically validated.
           </p>
         </div>
       </div>
@@ -291,7 +291,7 @@
 
       <div class="bg-amber-50 rounded-lg p-5 border border-amber-200 mt-4">
         <p class="text-amber-900 text-sm" data-i18n-html="dual_layer.caveat">
-          <strong>Honest caveat:</strong> Layer A (inherent governance via training) is designed but not yet empirically validated &mdash; training has not begun. Layer B (active governance via Village codebase) has been operating in production for 11+ months. The dual-layer thesis is an architectural commitment, not yet a demonstrated result.
+          <strong>Honest caveat:</strong> Layer A (inherent governance via training) has been empirically validated across seven training runs &mdash; Run 006 achieves 100% governance compliance and 4.8/5.0 bias score. Layer B (active governance via Village codebase) has been operating in production for 11+ months. The dual-layer thesis is demonstrating results, though evaluation remains self-reported. Independent audit is planned.
         </p>
       </div>
 
@@ -616,7 +616,7 @@
         <ul class="space-y-3 text-amber-800">
           <li class="flex items-start">
             <span class="mr-2 font-bold">&bull;</span>
-            <span data-i18n-html="limitations.item1"><strong>Training not yet begun:</strong> The SLL architecture is designed and documented. Hardware is being installed. But no model has been trained yet. Claims about training-time governance are architectural design, not empirical results.</span>
+            <span data-i18n-html="limitations.item1"><strong>Early-stage training:</strong> Seven QLoRA fine-tuning runs have been completed on a Llama 3.2 3B base. Run 006 is the current production model (FAQ 72.1%, persona 100%, governance 100%, bias 4.8/5.0, hallucination 0.8%). Training-time governance is empirically validated but evaluation is self-reported. Independent audit is planned.</span>
           </li>
           <li class="flex items-start">
             <span class="mr-2 font-bold">&bull;</span>
@@ -632,7 +632,7 @@
           </li>
           <li class="flex items-start">
             <span class="mr-2 font-bold">&bull;</span>
-            <span data-i18n-html="limitations.item5"><strong>Training persistence unknown:</strong> Whether governance constraints survive hundreds of training rounds without degradation is an open research question. Drift detection is designed but untested.</span>
+            <span data-i18n-html="limitations.item5"><strong>Training persistence under active research:</strong> Run 007 demonstrated catastrophic forgetting (21 regressions from 35 targeted additions), confirming drift as a real risk. Replay buffer strategy implemented for Run 008. Drift detection is designed and being validated empirically.</span>
           </li>
           <li class="flex items-start">
             <span class="mr-2 font-bold">&bull;</span>