Авторы определяют «самоблокировку» как режим отказа во время выполнения у долгосрочных персонажей-агентов, где сгенерированные жизни сходятся к знакомым окружениям и устаревшим состояниям из-за сходимости модели и гравитации контекста. Чтобы решить эту проблему, они представляют AutoPersonas — многотемповой движок жизненного цикла и окружения, который разделяет События на стороне окружения, накопленные Наблюдения и Состояние персонажа внутри цикла OSO.
- Трёхлетняя сжатая симуляция выявила проблемы, такие как пробелы в затвердевании событий и рекурсивная нерешительность в существующих системах.
- Стресс-тест с участием восьми моделей в течение 40 дней показал среднюю скользящую за 5 дней повторяемость категорий действий от 95,2% до 97,6%, при этом все модели превысили отметку 90% к 11-му дню.
- Семантическое сохранение выявило повторение макротем на уровне 79,0%-88,0% в прямых циклических запусках.
- В тесте A/B с тем же временем выполнения в течение 40 дней маскирование срезов контекста и целевое расхождение по каждому образцу снизили повторение макротем с 61,8% до 36,3% и примерно удвоили кумулятивное количество тем.
Эти результаты подтверждают утверждение о том, что разделение контролируемого расхождения и поглощения, управляемого доказательствами, может снизить самоблокировку персонажа-окружения, сохраняя непрерывность идентичности.