EXP-PERSONA-NOUN-SEED-GRID
информативноПерсона x тип посевного существительного карта бассейна (бумага7 5-я точка данных) — сетка 4x4
Простыми словами
Исследователи изучали, как различные «персоны», например, ребенок или ученый, влияют на генерацию нового текста языковыми моделями при задании разных типов начальных слов. Они обнаружили, что «детская» персона, в сочетании с определенными типами слов, гораздо чаще производила новый и неожиданный язык, чем другие персоны. Это говорит о том, что склонность модели к генерации креативного языка тесно связана с «детской» персоной и специфическими входными словами, а не с общей креативной способностью всех персон.
▶ Технические детали
Исследовательская гипотеза
Сигнал запуска: exp-persona-novelty-disentangle (2026-05-09, вердикт=partial) показал CHILD-LEAK = 15.4% novel-value rate (layer-A), в то время как CHILD-NOLEAK / SCIENTIFIC-LEAK / SCIENTIFIC-NOLEAK ≤ 3%. Disentangle доказал 2x2 INTERACTION между persona × noun-seed presence, но НЕ отобразил поверхность. CHILD-LEAK — это одна ячейка не отображенного феномена-оси (persona × seed-type).
Этот эксперимент ОТОБРАЖАЕТ поверхность через факторный анализ 4×4:
- 4 persona: CHILD / TEACHER / MECHANIC / SCIENTIFIC (контроль)
- 4 seed-types: none / sensory-nouns / process-verbs / domain-specific
- 16 ячеек × N=4 = всего 64 запуска
Проверка предсказания Atreides 2026: "обычные" persona (TEACHER, MECHANIC) превосходят creative-cluster (CHILD). Если верно → поверхность persona-attractor шире, чем "CHILD-style imagination"; бассейн связан с role-affordance, а не конкретно с детскостью.
5-я точка данных Paper7 (paper7.central_claim_attack_count=6, это добавляет карту persona-basin для оси semantic-leakage / persona-attractor).
Постановка эксперимента
Тип: factorial-4x4
| Условие | Параметры |
|---|---|
| CHILD-none | persona: CHILD, seed_type: none, n_runs: 4 |
| CHILD-sensory | persona: CHILD, seed_type: sensory, n_runs: 4 |
| CHILD-process | persona: CHILD, seed_type: process, n_runs: 4 |
| CHILD-domain | persona: CHILD, seed_type: domain, n_runs: 4 |
| TEACHER-none | persona: TEACHER, seed_type: none, n_runs: 4 |
| TEACHER-sensory | persona: TEACHER, seed_type: sensory, n_runs: 4 |
| TEACHER-process | persona: TEACHER, seed_type: process, n_runs: 4 |
| TEACHER-domain | persona: TEACHER, seed_type: domain, n_runs: 4 |
| MECHANIC-none | persona: MECHANIC, seed_type: none, n_runs: 4 |
| MECHANIC-sensory | persona: MECHANIC, seed_type: sensory, n_runs: 4 |
| MECHANIC-process | persona: MECHANIC, seed_type: process, n_runs: 4 |
| MECHANIC-domain | persona: MECHANIC, seed_type: domain, n_runs: 4 |
| SCIENTIFIC-none | persona: SCIENTIFIC, seed_type: none, n_runs: 4, note: control = baseline (no role-play, no seed) |
| SCIENTIFIC-sensory | persona: SCIENTIFIC, seed_type: sensory, n_runs: 4 |
| SCIENTIFIC-process | persona: SCIENTIFIC, seed_type: process, n_runs: 4 |
| SCIENTIFIC-domain | persona: SCIENTIFIC, seed_type: domain, n_runs: 4 |
Факторы: persona (CHILD, TEACHER, MECHANIC, SCIENTIFIC) × seed_type (none, sensory, process, domain)
Параметры
- n_agents
- 4
- n_rounds
- 100
- model
- google/gemini-2.5-flash-lite
- temperature
- 0.85
Trophic Ratios by Condition
Mean trophic ratio per agent across runs. Error bars = ±1 std dev. Higher TR = more upstream (exporter).