EXP-EVO-LOOP-FULL

… в работе

EvoLoop full — НОВИЗНА против СЛУЧАЙНОСТИ против ОТСУТСТВИЯ отбора, 3 условия × 3 запуска

2026-04-30 L6 уровень paper4 9 запусков $0.22

new

premortem

mock

real

metrics

analyze

review

krit

done

Простыми словами

Исследователи тестируют, как различные способы управления искусственной эволюцией влияют на разнообразие результатов. Они сравнивают метод, который поощряет новые и отличающиеся результаты, с методами, у которых нет конкретных целей, или которые просто выбирают случайным образом. Эксперимент еще продолжается, поэтому окончательные выводы пока недоступны.

▶ Технические детали

Исследовательская гипотеза

Пилотный эксперимент (exp-evo-loop-pilot) показал снижение траектории новизны при отборе по НОВИЗНЕ (0.887→0.871→0.858 в поколениях 1-3). Полный эксперимент выясняет, является ли это снижение специфичным для отбора (условие НОВИЗНА быстрее приводит к сужению) или универсальным для субстрата (случайный отбор и отсутствие отбора также снижаются). Проверяемый прогноз: НОВИЗНА ≈ СЛУЧАЙНЫЙ ≈ БЕЗ отбора траектории → снижение является свойством субстрата, а не артефактом отбора. Если НОВИЗНА > СЛУЧАЙНЫЙ > БЕЗ: отбор создает дифференциацию, которая противодействует накоплению в архиве.

Постановка эксперимента

Тип: factorial

Условие	Параметры
EVO_NOVELTY	selection_mode: novelty, n_runs: 3
EVO_RANDOM	selection_mode: random, n_runs: 3
EVO_NONE	selection_mode: none, n_runs: 3

Факторы: selection (NOVELTY, RANDOM, NO_SELECTION)

Параметры

n_agents: 4
model: google/gemini-2.5-flash-lite
temperature: 0.8

evolutionary-loop novelty-selection multi-generation three-condition paper4-main