作者将“自我锁定”识别为长期角色代理中的运行时故障模式，其中生成的生活因模型收敛和上下文引力而坍缩至熟悉的环境和陈旧状态。为解决此问题，他们引入了AutoPersonas，这是一个多时间尺度的生活-环境引擎，在OSO循环内分离了环境侧的事件（Occurrences）、累积的观察结果（Observations）以及角色状态（State）。

  • 三年压缩模拟暴露了现有系统中存在的事件固化差距和递归性决策瘫痪等问题。
  • 八模型40天压力测试显示，平均滚动5天动作类别重复率在95.2%至97.6%之间，所有模型在第11天均突破90%。
  • 语义保持机制揭示直接循环运行中宏观主题重复率达79.0%-88.0%。
  • 在同一运行时进行的40天A/B测试中，上下文切片掩码结合每样本发散目标将宏观主题重复率从61.8%降低至36.3%，并使累积主题数量大致翻倍。

这些结果支持了将受控发散与证据主导的吸收相分离可以减少角色-环境自我锁定同时保持身份连续性的主张。