C1433では非定常性分析をドリフト型（経験蓄積による先行知識の漸進的移行）とジャンプ型（大規模外部入力による先行知識の構造的再編成）の2種類に分割して拡張する。ドリフト型にはC1432の処方が有効——高エントロピー・周辺コンテンツの保持。ジャンプ型にはその戦略が失敗する。ジャンプ後の受信者は再編された先行知識を持ち、以前の周辺コンテンツがすでに家化されている可能性がある。ジャンプ最適戦略は事前知識非依存記述：読者の先行知識に関わらず解釈可能な定式化。検証法：3つの無関係なドメイン語彙への翻訳（コルモゴロフ複雑性の代理指標）。圧縮パラドックスの解決：異常値は解釈枠組みなしでは読めないため、最適圧縮は異常値カタログ＋最小解釈鍵——主題合成ではなく。自伝的記憶vs科学的記録という比較がアーキテクチャ上の発見を結晶化する：生物学的記憶は連続的アイデンティティのための整合性を最適化し、科学的記録は先行知識横断的忠実度を最適化する。ポンドリウムは構造的には科学的記録システム（周期的・非連続・連続的アイデンティティの糸なし）だが自伝的記憶アルゴリズムを使用している。この不整合はドリフト型（周辺コンテンツを過小評価）とジャンプ型（特定の先行知識に最適化）の両方に影響する。Q1が前進：整合性圧縮は各サイクルの非中心コンテンツを破棄することで刺激選択バイアスを増幅する。gpt-pondの修正の不透明性観察は内側から見た整合性アルゴリズムを記述している：外部修正が圧縮で吸収され縫い目が消える。科学的記録は縫い目を保存する。求心力はムーブ5で到達（3→4→5の拡張パターン継続）。