❶ 核心問題

天擇（Natural selection）是一個普遍過濾過程的特殊案例嗎——如果是的話，演化最佳化的是生物體對現實的接觸，還是僅僅是它的適應度（fitness）？

每本入門生物學教科書都將 Darwin 式演化呈現為一種強大的、領域特定的機制：生物體存在變異，某些變體比其他變體繁殖更多，群體在世代間發生偏移。這些是已確立的科學。但 ECI 問了一個更尖銳的問題。如果持續性過濾（C2）描述的是一個普遍過程——差異性存活塑造組態的分佈，而不需要複製——那麼 Darwin 式天擇可以被理解為複製、遺傳和可遺傳變異全部存在的特殊案例。演化過濾（Evolutionary Filtering）就是裝上了繁殖引擎的持續性過濾（Persistence Filtering）。

這個重新框架很重要，因為它迫使我們面對一個微妙但重要的點：演化不會最佳化生物體對現實的掌握。它最佳化的是適應度——在特定條件下存活和繁殖的能力。這兩者不是同一件事。一個以完美保真度感知其環境但繁殖緩慢的生物體，將被一個只感知所需之物但繁殖迅速的生物體擊敗。演化是一個調諧到透過繁殖來持續的過濾器，而非調諧到真實感知的過濾器。

已確立的 vs. ECI 提出的。 Darwin 式天擇演化是科學中最徹底驗證的理論之一。生活史權衡（life history trade-offs）——生物體在成長、繁殖和存活等競爭需求之間面臨資源分配決策的原理——同樣充分確立。ECI 增添的是一個特定的框架：這些權衡可以被建模為約束不同類型容量的資源預算（resource budget），而且演化過濾在形式上嵌套在 C2 的更一般性持續性過濾之內。資源預算公式化和形式嵌套的主張是 ECI 提議，不是已確立的結果。

❷ 具體案例

不再飛翔的鳥

在太平洋和印度洋的島嶼上，以及從紐西蘭到馬達加斯加的孤立陸地上，一個引人注目的模式反覆出現：鳥類失去了飛行能力。秧雞（Rails）、渡渡鳥（Dodos）、奇異鳥（Kiwis）、鴞鸚鵡（Kakapos）、加拉巴哥鸕鶿（Galapagos cormorants）——一個又一個譜系中，飛行消失了。這個模式如此常見，以至於鳥類學家有一個專門術語：次生不飛性（secondary flightlessness）。

直覺反應是失去飛行是一種缺陷——能力的退化。但從演化的角度看，圖像非常不同。飛行在代謝上是昂貴的。動力飛行所需的胸肌佔了飛行鳥體質量的很大比例，並需要巨大的能量投入。骨骼的改造——中空的骨骼、融合的脊椎、巨大的龍骨狀胸骨——對體型方案施加了結構約束。在一個沒有地面掠食者的島嶼上，維持飛行裝備的成本可能超過其效益。將那些資源從飛行維護轉移到繁殖、覓食效率或體型的個體可能留下更多後代。

在 ECI 的框架中，這是一種可及運動狀態空間的縮減。一隻能飛的鳥可以在三維空中空間移動；一隻不飛的鳥被限制在地面。生物體可用的行為和移動狀態更少了。這不是物理維度的降低——鳥仍然生活在三維空間中——而是可及行為曲目的收縮，即生物體可以部署的移動策略集合。

這不是維度崩塌的類比。 它是演化過濾如何能縮小生物體所接觸的狀態範圍的範例，以較窄領域內的效率來交換能力的廣度。不飛的鳥不是「較不進化的」。它是不同方式最佳化的——它的資源預算已被重新分配。

洞穴魚與眼睛的成本

一個平行的範例在感覺層面運作。Astyanax mexicanus（墨西哥盲魚）存在兩種形態：具有功能性眼睛和色素的地表棲息型，以及失去兩者的洞穴棲息型。洞穴魚不僅僅是因為不使用而失明。主動的遺傳機制——包括 Hedgehog 信號通路的上調——在發育過程中驅動眼睛退化。本來會用於建造和維護眼睛的組織和代謝資源被重新導向增強的顎結構、更多的味蕾，以及用於在黑暗中偵測水流的放大側線器官（Yoshizawa et al., 2012; Rohner et al., 2013）。

洞穴魚並沒有在視覺上「失敗」。它們成功地將有限的發育和代謝預算從一個在永久黑暗中不提供適應度效益的感覺模式重新分配，轉向確實提供效益的模式。它們的感知狀態空間在一個維度（視覺）上收縮，在其他維度（機械感覺、化學感覺）上擴展。

昆蟲、寄生蟲，以及這個模式

同樣的模式出現在整個生命之樹中。許多隔離島嶼上的昆蟲譜系演化出縮小的翅膀或完全無翅——特別是在強風環境中，飛行是危險的。寄生生物常規性地失去其自由生活祖先所擁有的複雜器官系統（消化道、神經組織、運動結構）。內共生細菌在演化時間中丟棄了其基因組的絕大部分，只保留對其共生功能必需的基因。

在每個案例中，演化的方向不是「更多能力」而是「更好地分配的能力」。演化不會最大化生物體能做的事情的範圍。它最大化適應度——而適應度，在有限的資源約束下，往往意味著做更少的事情但做得高效。

❸ 已確立的科學

支持演化過濾的科學基礎來自三個充分確立的領域：演化生物學、生活史理論和資源分配的生理學。

Darwin 式天擇。 天擇演化理論——變異、可遺傳性、差異性繁殖成功——是科學中最嚴格支持的理論之一。現代演化綜論（Modern Evolutionary Synthesis），整合了 Mendel 遺傳學與 Darwin 式選擇和族群遺傳學（Fisher, 1930; Wright, 1931; Haldane, 1932），為預測等位基因頻率變化提供了精確的數學框架。複製子方程（Taylor & Jonker, 1978; Hofbauer & Sigmund, 1998）形式化了頻率依賴選擇。分子證據（DNA 序列比較、系統發生學、基因組學）在每個尺度上提供了獨立的驗證。狀態：已確立。

生活史權衡（Life history trade-offs）。 生物體在競爭的適應度組成部分之間面臨分配決策的原理——存活 vs. 繁殖、當前 vs. 未來的繁殖、後代數量 vs. 品質——是演化生態學的基礎成果之一。Stearns（1992）和 Roff（2002）提供了全面的論述。這些權衡不僅僅是理論上的；它們已經透過表型相關、人工選擇實驗和遺傳操控在數百個物種中得到經驗記錄。經典範例包括鳥類卵大小與窩卵數之間的負相關（Lack, 1947）、透過實驗操控窩卵數量證明的繁殖成本（Nur, 1984）以及免疫功能與性裝飾之間的權衡（Sheldon & Verhulst, 1996）。狀態：已確立。

生理學和神經科學中的資源分配。 昂貴組織假說（Expensive tissue hypothesis，Aiello & Wheeler, 1995）提出，代謝上昂貴的人類大腦之所以能演化到目前的大小，只是因為另一個代謝上昂貴的器官——人類的腸道——同時縮小了，這由向更高品質食物的飲食轉變所促成。雖然具體的腸-腦權衡已被質疑（Navarrete et al., 2011），但更廣泛的原理——代謝上昂貴的器官競爭有限的能量預算——是被充分支持的。在神經科學中，神經組織是每克代謝最昂貴的組織之一。不同感覺和運動功能的神經資源分配在不同物種間差異巨大，且以追蹤生態需求的方式變化：星鼻鼴鼠將過大比例的體感覺皮層投入其鼻部附屬器官；迴聲定位蝙蝠擁有擴大的聽覺皮層；電魚擁有擴大的電感覺處理腦區（Catania, 2012）。狀態：已確立。

已確立的 vs. ECI 增添的。 Darwin 式選擇、生活史權衡和生理資源分配都已得到充分驗證。ECI 增添的是：(a) 將這些權衡形式化為資源預算分解（B_total = B_ordinary + B_extra + B_maintenance）的框架，(b) 此預算模型透過依賴架構的映射連接到容量函數 K 的主張，以及 (c) 演化過濾在形式上是持續性過濾（C2）的特殊案例的斷言。這三項增添是 ECI 提議。

❹ ECI 框架詮釋

演化過濾作為持續性過濾的特殊案例

ECI 提出，演化過濾（Evolutionary Filtering）是持續性過濾（C2）在三個額外條件成立時的實例：

1. 複製——組態產生自身的副本。
2. 遺傳——後代與親代相似（副本與原件相關）。
3. 可遺傳變異——個體之間的差異至少部分地被傳遞到下一代。

當三個條件都滿足時，持續性過濾呈現 Darwin 式演化的特定動態：差異性繁殖跨世代重塑群體分佈。複製子方程在數學上支配這個過程。複製更快（且其後代存活到繁殖年齡）的組態頻率增加。

持續性過濾（C2）更為一般——它只需要差異性存活，不需要複製。演化過濾（C3）繼承了完整的 C2 框架，但增添了遺傳性繁殖這個強大的放大機制。這就是為什麼演化比河石的過濾快得多也戲劇性得多：每一代生物體都產生變異的副本，而選擇作用於那些副本中的變異。棘輪轉得更快。

演化最佳化適應度，而非現實接觸

來自演化理論的一個關鍵洞見，在 Donald Hoffman 的感知介面理論（interface theory of perception，Hoffman, 2009; Hoffman et al., 2015）中被強調，並與 ECI 的更廣泛框架一致，是天擇不偏好準確感知現實的生物體。它偏好感知對存活和繁殖有用之物的生物體。

考慮一個簡化的情境。生物體 A 以高保真度感知其環境——它偵測到周圍環境的大部分物理參數。生物體 B 感知一個簡化的、高度過濾的版本——它只偵測與食物、掠食者和配偶相關的特徵。如果兩個生物體有相同的總資源預算，生物體 B 可以將從不必要的感知中節省的資源投入繁殖、免疫功能或運動。在許多現實的適應度景觀（fitness landscape）下，生物體 B 擊敗生物體 A。

這不是假設。生物體常規性地缺乏感知其環境中物理上存在但生態上不相關的方面的能力。大多數哺乳動物看不到紫外線；大多數昆蟲聽不到低頻聲音；沒有已知的生物體感知磁單極子。這些不是演化的失敗。它們是效率——演化過濾將有限資源分配給能產生適應度回報的感知的結果。

資源預算模型（提議）

ECI 提出，生活史理論和生理學中記錄的權衡可以透過一個**資源預算分解（resource budget decomposition）**來形式化：

B_total = B_ordinary + B_extra + B_maintenance

其中：

• B_total —— 生物體可用的總資源預算。這裡的「資源」是刻意一般化的：它可以用能量單位（焦耳/天）、神經組織（神經元或突觸數量）、發育投資（胚胎發育期間分配的細胞分裂）或處理時間（每次行為決策的神經計算毫秒數）來測量。關鍵要求是在單次分析中單位保持一致。
• B_ordinary —— 分配給生物體標準的、物種典型的能力的資源：定義其正常運作範圍的感覺模式、運動程序、生理過程和認知功能。
• B_extra —— 分配給超越物種典型範圍的能力的資源。如果 ECI 的跨通道接取（Cross-Channel Access, E1）概念具有任何生物學現實性，B_extra 將代表投入任何此類接取的資源。在傳統生物學中，B_extra 對應於不尋常的或擴展的感覺和認知能力——鴨嘴獸的電感覺、蝙蝠的迴聲定位、儲食鳥類的卓越記憶。
• B_maintenance —— 開銷：生物體的基礎代謝維持、體內平衡、細胞修復、免疫功能以及其他不直接產生感覺、運動或認知能力但對生物體存活必要的管家功能所消耗的資源。

一個重要的區分：不同類型的容量（感覺解析度、運動精確度、代謝吞吐量）以不同的單位測量，不能直接相加。因此，框架在資源（B）的層面運作，資源可以用共同單位表達，然後透過依賴架構的函數從資源推導容量：

K_i = g(B_i, architecture)

其中 K_i 是投入 B_i 資源所產生的容量，函數 g 取決於生物體的特定生物架構——它的神經佈線、體型方案和發育約束。相同的能量投資在複眼與照相機型眼睛中，或在皮質與簡單神經網中，產生非常不同的感覺容量。

權衡的含義

如果 B_total 是有限的——對所有已知生物體而言這是被證明的——那麼增加 B_extra 必須以 B_ordinary、B_maintenance 或兩者的代價為之：

增加 B_extra → 減少 B_ordinary 和/或 B_maintenance（在 B_total 固定的情況下）

這是生活史權衡的標準邏輯，應用於資源預算。它預測任何在一個領域演化出擴展能力的生物體，將在另一個領域顯示出能力降低或脆弱性增加——除非 B_total 本身增加（這需要額外的能量攝入、更大的體型或更高效的代謝，所有這些都面臨各自的約束）。

不飛的鳥說明了這一點：B_ordinary（運動能力，特別是飛行）被減少，釋放出資源用於繁殖和其他功能。洞穴魚從感覺方面說明了這一點：B_ordinary（視覺處理）被減少，釋放出發育和代謝資源用於增強的機械感覺和攝食結構。

❺ 如果這是真的⋯⋯

如果資源預算模型正確地描述了演化過濾如何塑造生物體的能力，幾個後果隨之而來。

感知是適應度過濾的樣本，而非透明的窗口。 每個生物體對其環境的體驗都由演化已分配資源去偵測的東西所塑造。這不意味著感知是幻覺——生物體所感知的特徵是環境的真實特徵。但選擇感知哪些特徵以及以什麼解析度感知，是由適應度回報決定的，而非由任何對環境全面表徵的驅力。我們所見、所聞、所嗅、所感的是我們祖先的資源預算能負擔得起監測的那個現實子集。

能力喪失可以是適應性的。 框架預測，能力減退——飛行喪失、視覺喪失、複雜器官系統的喪失——在維持該能力的成本超過其適應度效益的譜系中將最為常見。這在島嶼生物地理學和寄生蟲學中已有充分記錄，但資源預算模型提供了一個定量把手：能力喪失的「節省」應該可以在生物體其他地方增強的投資中被追蹤到。

在穩定、資源有限的環境中的生物體應該顯示更窄的能力剖面。 如果 B_total 受到嚴格約束（如在深海或洞穴環境中，能量有限），演化過濾應偏好極端的專門化——具有狹窄但高效的 B_ordinary 和最小 B_extra 的生物體。在資源豐富、變動的環境中的生物體應該顯示更寬的能力剖面。這與生態模式大致一致，但尚未使用明確的預算框架進行系統性測試。

框架對假設性「擴展」感知設定了約束。 如果 ECI 框架的更推測性節點（如跨通道接取，E1）提出生物體可能透過非傳統通道接取資訊，資源預算模型施加了一個硬約束：任何此類接取都需要 B_extra 資源，而這些資源必須從某處來。模型預測，任何展現擴展能力的生物體應該顯示可測量的成本——傳統能力的效能降低、代謝需求增加，或兩者兼有。如果沒有偵測到這樣的成本，要麼擴展能力不存在，要麼預算模型是錯的。

❻ 如何測試？

演化過濾作為一個概念建立在充分確立的 Darwin 理論之上，不需要新的測試。然而，ECI 提出的資源預算模型確實產生了特定的可測試預測。

測試 1：跨物種資源分配比較。 選擇一個感覺或運動能力有明確特徵變異的演化支系——例如，迴聲定位精密程度各異的蝙蝠物種。測量投入迴聲定位系統的資源（聽覺皮層體積、耳蝸複雜度、喉部肌肉質量），並與投入其他功能的資源（視覺皮層體積、嗅球大小、消化器官質量）進行比較。預算模型預測一個負相關：迴聲定位更精密的物種應該在控制體型後顯示一個或多個其他系統的投資減少。類似的比較分析可以在不同的鼴鼠物種（星鼻精密程度不同）或電魚物種（電感覺複雜度不同）之間進行。

測試 2：資源分配的實驗操控。 在適合遺傳操控的模式生物（果蠅 Drosophila、線蟲 C. elegans、斑馬魚）中，實驗性地增加投入某一感覺系統的資源（例如，透過上調控制眼睛大小或光受器密度的基因），並測量其他系統是否顯示效能降低或組織投資減少。預算模型預測補償性減少；如果沒有觀察到，則預算約束對所測試的性狀不具約束力。

測試 3：能力喪失譜系中的成本偵測。 對於被充分研究的次生不飛性、眼睛喪失或器官退化案例，量化「節省」（減少的代謝支出、減少的發育投資、釋放的組織質量）並追蹤它們到其他地方增強的投資。洞穴魚系統（Astyanax mexicanus）特別適合，因為地表型和洞穴型可以直接比較。Rohner 等人（2013）已經顯示眼睛喪失與增強的顎和味蕾發育相關；預算模型預測，當以共同的資源單位（例如，能量/天 或發育期間分配的細胞數量）表達時，這些幅度應該是定量上可比的。

測試 4：適應度-感知解耦。 測試演化最佳化適應度而非感知準確性的預測。在可以置於新環境中的生物體（細菌、果蠅或數位生物體的實驗室演化實驗）中，追蹤演化群體是否發展出與環境的適應度相關特徵匹配的感知或反應能力，而非與環境的全部可偵測特徵匹配。Lenski 的長期演化實驗（Lenski et al., 1991）和 Avida 數位演化實驗（Lenski et al., 2003）為此類測試提供了現有平台。

什麼會削弱這個主張：如果跨物種比較持續顯示不同能力領域的投資之間沒有負相關——也就是說，如果某些生物體似乎在所有方面都大量投資而沒有可測量的權衡。這將建議 B_total 實際上不具約束力，或者預算分解遺漏了重要的資源來源。

什麼會殺死資源預算模型（具體地）：如果對一個能力領域的實驗操控在多個物種和多次操控中從未產生其他領域的可測量減少。這將表明預算框架雖然在直覺上有吸引力，但未能捕捉生物資源分配的實際運作方式。（注意：這不會削弱 Darwin 式演化或生活史權衡的已確立科學，只會削弱 ECI 的特定形式化。）

❼ 連結到其他節點

→ 持續性過濾（C2）：演化過濾是持續性過濾的特殊案例，其中複製、遺傳和可遺傳變異全部存在。C2 提供一般框架——差異性存活隨時間重塑組態的分佈，不需要複製。C3 增添了使生物演化如此強大的繁殖引擎。關係是階層性的：C2 是一般原理；C3 是其生物學實例。

→ 生命（D1）：活的生物體是演化過濾作用其上的組態。D1 檢視什麼將活的系統與僅僅持續的系統區分開來；C3 檢視一旦活的系統存在，塑造它們的過濾動態。此處發展的資源預算模型特別適用於活的生物體——具有代謝、發育程序和有限能量吞吐量的實體。

→ 可否證性（F4）：資源預算模型必須符合 ECI 的可否證性標準。關鍵要求是 B_ordinary、B_extra 和 B_maintenance 必須是可獨立測量的——不能由它們應該預測的結果來定義。F4 提供評估 ECI 主張是否真正可測試的一般框架；C3 的資源預算是獨立操作化至關重要的一個特定實例。

❽ 數學細節

資源預算分解（提議）

ECI 提出生物體的總資源預算可以被分解為：

B_total = B_ordinary + B_extra + B_maintenance

其中：

• B_total 是總資源預算，以對當前分析一致的單位測量（能量：J/天；神經組織：神經元數量或突觸數量；發育投資：指定發育窗口期間的細胞分裂或組織質量；處理時間：ms/決策）。

• B_ordinary 是分配給物種典型能力（標準的感覺、運動、生理、認知功能）的資源。

• B_extra 是分配給超越物種典型範圍的能力（不尋常的或擴展的能力，或依照 E1 的假設性跨通道接取）的資源。

• B_maintenance 是代謝體內平衡、細胞修復、免疫功能和基本生存功能的開銷。

• 狀態：提議。該分解受已確立的生活史理論（Stearns, 1992; Roff, 2002）和昂貴組織假說（Aiello & Wheeler, 1995）的啟發，但具體的三方分割和符號是 ECI 的貢獻。

• 假設：(1) 資源可以在單次分析中以共同單位有意義地測量。(2) 三個類別原則上是可區分的。(3) 對所有已知生物體而言，B_total 實際上是有限的。

• 關鍵約束：各類別必須在測量它們應該預測的容量結果之前被操作性地定義。如果 B_ordinary 被定義為「生物體碰巧擁有的任何能力背後的資源」，則分解是循環的。

容量函數（提議）

ECI 提出在給定領域 i 中產生的容量 K_i 是資源投資 B_i 和生物體的生物架構的函數：

K_i = g(B_i, architecture)

其中：

• K_i 是領域 i 中的實現容量（例如，視覺敏銳度、聽覺靈敏度、運動範圍、認知處理速度）。

• B_i 是分配給領域 i 的資源投資。

• architecture 編碼生物體的結構和發育約束：神經佈線拓撲、體型方案、受器類型、發育時序。

• g 是從資源到容量的映射，通常是非線性的且特定於生物體。相同的 B_i 聽覺處理投資在蝙蝠（具有專門化耳蝸和聽覺皮層）和蛇（沒有外耳且聽覺皮層極小）中產生非常不同的 K_auditory。

• 狀態：提議。這樣一個函數的存在是合理的——更多投入某功能的神經組織通常產生更好的效能——但 g 的函數形式未指定。為特定生物體和容量領域表徵 g 是一項重大的實證挑戰。

• 關鍵性質：g 預期顯示邊際報酬遞減（在固定 architecture 下 B_i 的凹函數），與生物學中投資增加時邊際收益下降的一般模式一致。

• 限制：「architecture」變數是一組複雜約束的佔位符。精確地指定它以進行定量預測需要對生物體的神經生物學和發育生物學的詳細知識。這對被充分研究的模式生物是可行的，但對大多數物種不可行。

複製子動態作為特殊案例（改編）

在具有可遺傳變異的複製生物體群體中，類型 i 的頻率 x_i 按複製子方程變化：

dx_i / dt = x_i [ f_i(x) - phi(x) ]

其中：

• x_i 是群體中類型 i 的頻率。
• f_i(x) 是類型 i 的適應度，可能取決於群體組成 x（頻率依賴選擇）。
• phi(x) = sum_j x_j f_j(x) 是群體的平均適應度。

適應度高於平均值的類型頻率增加；適應度低於平均值的類型頻率減少。隨著時間推移，群體分佈向更高適應度的類型偏移。

• 狀態：已確立（Taylor & Jonker, 1978; Hofbauer & Sigmund, 1998）。
• 與 C2 的關係：複製子方程是持續性過濾方程（C2）的特殊案例，其中持續是透過差異性複製而非單獨的差異性存活來中介的。在持續性過濾方程中，存活機率 S 較高的組態累積；在複製子方程中，適應度 f_i 較高的類型累積。複製子方程增添了繁殖機制，這在一般持續性過濾器中是不存在的。
• 與資源預算的關係：類型 i 的適應度 f_i 部分由該類型如何在 B_ordinary、B_extra 和 B_maintenance 之間分配其資源預算 B_total 所塑造。其分配更好地匹配當前環境需求的類型，平均而言將有更高的 f_i。資源預算模型提供了一個機制分解（mechanistic decomposition），說明是什麼決定了適應度差異。

符號表

| Symbol | Name | Type | Defined in | |---|---|---|---| | B_total | 總資源預算 | 提議的定義 | 本頁 | | B_ordinary | 常規能力資源分配 | 提議的定義 | 本頁 | | B_extra | 額外能力資源分配 | 提議的定義 | 本頁 | | B_maintenance | 維護資源分配 | 提議的定義 | 本頁 | | K_i | 領域 i 的容量 | 提議的定義 | 本頁 | | g | 資源到容量的映射函數 | 提議的定義 | 本頁 | | x_i | 類型 i 的頻率（複製子方程） | 已確立 | C2 | | f_i | 類型 i 的適應度（複製子方程） | 已確立 | C2 | | phi | 群體平均適應度（複製子方程） | 已確立 | C2 |

引用的關鍵文獻

| Reference | Result | Relevance to C3 | |---|---|---| | Fisher (1930); Wright (1931); Haldane (1932) | 族群遺傳學的基礎 | 演化動態的已確立數學框架 | | Taylor & Jonker (1978); Hofbauer & Sigmund (1998) | 頻率依賴選擇的複製子方程 | 演化過濾動態的形式核心 | | Stearns (1992); Roff (2002) | 生活史權衡理論 | 資源分配權衡的已確立實證和理論基礎 | | Aiello & Wheeler (1995) | 昂貴組織假說（腦-腸權衡） | 跨器官資源預算競爭的關鍵範例 | | Navarrete et al. (2011) | 對嚴格腦-腸權衡的挑戰 | 證明權衡細節有爭議但一般原理成立 | | Hoffman (2009); Hoffman et al. (2015) | 感知介面理論：適應度勝過真實 | 演化最佳化適應度相關的感知，而非真實感知 | | Yoshizawa et al. (2012); Rohner et al. (2013) | 洞穴魚眼睛退化和資源重新分配的遺傳基礎 | 發育資源預算重新分配的實證範例 | | Catania (2012) | 跨感覺專家的神經資源分配 | 神經預算權衡的比較證據 | | Lack (1947) | 鳥類卵大小 vs. 窩卵數權衡 | 生活史權衡的經典實證展示 | | Lenski et al. (1991; 2003) | 長期演化實驗；Avida 數位演化 | 測試適應度-感知關係的實驗平台 |