事前登録研究は、特定のエラー情報が凍結された小規模コードLLMの自身ミス修復に役立つかどうかを検証するために、PoPE（Popperian Placebo-controlled Evaluation）を導入した。この方法論は、プロンプトと重みチャネルの両方において、エラー内容の影響を構造的な足場から分離するため、実行反例をチャネル固有のプラシーボと組み合わせている。

  • プロンプトチャネルでは、40ユニットからなる抵抗バンド上で、生きたエラーパターン群で10ユニット解锁されたのに対し、コンテンツ削脱型プラシーボ下で12ユニットが解锁され、機構的に無効という結果となった。
  • 小規模データアダプター学習を用いた重みチャネルでは、エラー内容アダプターと介入なしのベースライン間で8対8の同点が見られた（p=1.0）。
  • SHAに狂わせたプラシーボアダプターは10回の解锁で先行したが、コンテンツ帰属による優位性は確認されなかった。

これらの知見は、オラクルから学習された表現が生成状態に戻し書きされる際、テストが運用上の自己修復ではなく条件付けに置き換えられることを示している。