Para penulis mengidentifikasi "penguncian diri" sebagai mode kegagalan runtime pada agen persona jangka panjang, di mana kehidupan yang dihasilkan menyusut menuju lingkungan yang akrab dan keadaan usang akibat konvergensi model dan gravitasi konteks. Untuk mengatasi hal ini, mereka memperkenalkan AutoPersonas, sebuah mesin lingkungan-kehidupan multi-skala waktu yang memisahkan Kejadian di sisi lingkungan, Observasi terakumulasi, dan State persona dalam loop OSO.
- Simulasi tiga tahun yang dipadatkan mengungkap masalah seperti kesenjangan pengerasan kejadian dan ketidakputusan rekursif pada sistem yang ada.
- Uji tekanan delapan model selama 40 hari menunjukkan pengulangan kategori aksi bergulir rata-rata 5-hari antara 95,2% dan 97,6%, dengan semua model melampaui 90% pada hari ke-11.
- Penyematan semantik mengungkap pengulangan makro-tema sebesar 79,0%-88,0% di seluruh jalur loop langsung.
- Dalam uji A/B 40-day runtime yang sama, masking irisan konteks plus penargetan divergensi per-sampel mengurangi pengulangan makro-tema dari 61,8% menjadi 36,3% dan kira-kira menggandakan jumlah tema kumulatif.
Hasil-hasil ini mendukung klaim bahwa memisahkan divergensi terkontrol dari penyerapan yang diatur oleh bukti dapat mengurangi penguncian diri persona-lingkungan sambil mempertahankan kontinuitas identitas.