数据流的累积最小最大值

某高频监控盯着单 tick 的标量——价格、价差、深度失衡——每个 tick 都要汇报到目前为止观察到的累积最小值与最大值。和滚动窗口的统计不同，这里的「窗口」是单调增长的：从盘口开盘那一刻起，每个 tick 都会计入累积低点和累积高点，直到收盘。给定按时间排序的逐 tick 序列 values，返回逐事件的累积 (min, max) 配对，每个都是 2 元素列表。

请实现 solution(values: list[float]) -> list[list[float]]。输出长度等于 len(values)，第 k 个输出（0 索引）是 [min(values[: k+1]), max(values[: k+1])]。values 为空时返回 []。

示例：solution([3.0, 1.0, 4.0, 1.0, 5.0, 9.0, 2.0, 6.0]) 返回 [[3,3], [1,3], [1,4], [1,4], [1,5], [1,9], [1,9], [1,9]]——累积最小值在第 1 步从 3 降到 1 之后不再变；累积最大值依次爬到 4、5、9 之后稳定。solution([42.0]) 返回 [[42.0, 42.0]]——只有一个值时累积最小等于累积最大等于该值。solution([1.0, 2.0, 3.0, 4.0, 5.0]) 返回 [[1,1], [1,2], [1,3], [1,4], [1,5]]——严格递增流的累积最大值一直变大，累积最小值冻结在 values[0]。

正确的数据结构是两个标量累加器，而不是双端队列。处理完空输入后用 current_min = current_max = values[0] 初始化，之后对每个 v 做 current_min = min(current_min, v)、current_max = max(current_max, v)，并把 [current_min, current_max] 追加到输出。由于累积流不淘汰任何元素，current_min 单调不增、current_max 单调不减，因此每步是 O(1)、总耗时是 O(N)。在这题里上堆或单调队列是「类别错误」——那些结构是为「元素会离开窗口、需要找下一个最优幸存者」准备的，累积统计根本没有这个找回问题。

实际背景：这是每个 tape 显示、每个突破检测告警、每个「创盘中新高/新低」通知背后的逐 tick session-high / session-low 原语，所有交易所或聚合器发布的每只标的都会跑这一份。每 tick 的工作量被刻意压到极小：min 一次比较加赋值，max 一次比较加赋值，append 一次。本题与 coding-sliding-window-max-quote 故意做对照，要把这条规则刻进肌肉记忆：有没有淘汰决定数据结构。没有淘汰 → 标量；定长窗口带淘汰 → 单调双端队列。