摘要
长期的角色代理必须在适应新事件、关系、证据和社会条件的同时保持可识别性。我们识别出自锁定作为持续角色生命周期循环中的一种运行时失败模式：局部合理的事件不断出现，而生成的生活却向熟悉的环境、薄弱的关系、悬而未决的决策和陈旧的生活阶段崩溃。我们追踪到这种失败源于模型层面向高概率行为通道的收敛以及系统层面因状态、记忆、历史和环境总结产生的上下文引力。
我们提出了 AutoPersonas，这是一种多时间尺度的生活环境引擎，用于受限的角色级递归自我进化。它将环境侧的事件、积累的观察和角色状态分开。其 OSO 循环允许未来导向的材料出现，同时要求在状态或可达性变化之前进行证据驱动的吸收。
一项为期三年的压缩模拟暴露了环境水印壳、事件硬化间隙、缓慢变化积累失败、递归犹豫和薄弱的关系持久性。一个八模型的 40 天压力测试生成了 1600 个事件，并发现五天行动类别重复的平均滚动比例为 95.2%-97.6%，所有模型在第 11 天都超过了 90%。语义保持发现所有直接循环运行中宏主题的重复率为 79.0%-88.0%。在同一运行时的 40 天 A/B 测试中，上下文切片掩蔽加上每样本的分歧目标将宏主题重复率从 61.8% 降低到 36.3%，并大约使累计主题数量翻倍。一个幼年小妖精的虚构世界运行再现了反固定机制而没有硬性现实世界的干扰。这些结果支持一个有限的论点：将受控的分歧与证据驱动的吸收分开可以减少角色环境自锁，同时保持身份的连续性。
博主点评： AutoPersonas 的研究在角色代理的长期适应性上提供了新视角，通过多时间尺度的循环机制有效减轻了自锁问题。这一方法的创新性在于将环境与角色状态的分离，使得角色能够在复杂的社交环境中保持活力与一致性。未来的应用前景广阔，值得关注。