EXP-SLC

✓ подтверждено

Контроль с помощью перемешанного LLM

2026-03-07 L3 уровень paper3 3 запусков $0.06

new

premortem

mock

real

metrics

analyze

review

krit

done

Простыми словами

Языковая модель — это не нейтральный посредник, она активно формирует результат. Те же исходные условия приводят к разным структурам в зависимости от того, какая модель интерпретирует текст. Интерпретатор — это участник, а не инструмент.

Что мы выяснили

Интерпретатор LLM создает организацию — это не нейтральный субстрат. Подтвержден градиент NORM > SHUF > UGRM (p=0,002).

Интерпретатор LLM создает организацию — это не нейтральный субстрат. Градиент NORM > SHUF > UGRM подтвержден (p=0.002). Сохранение фрагментов является ключевым дискриминатором: нормальная обработка поддерживает когерентные структуры на протяжении итераций, перемешивание их разрушает. Интерпретатор ЯВЛЯЕТСЯ источником организации, а не пассивной средой. Это зависимость от интерпретатора.

Предсказания до запуска

1/3 confirmed · 2 refuted

▶ Технические детали

Исследовательская гипотеза

Интерпретатор LLM — это не нейтральный субстрат, он активно создает организацию. Три условия проверяют это: нормальная обработка (NORM), перемешанный ввод токенов (SHUF) и базовый уровень случайных униграмм (UGRM). Если организация является артефактом LLM, то NORM >> SHUF ≈ UGRM. Если организация присуща субстрату, то NORM ≈ SHUF >> UGRM.

Постановка эксперимента

Тип: three_level_gradient

Условие	Параметры
NORM	label: Normal LLM processing (intact prompt → response), n_replicates: 3
SHUF	label: Shuffled tokens (word order randomized before LLM call), n_replicates: 3
UGRM	label: Unigram baseline (words sampled from frequency distribution), n_replicates: 3

Параметры

model: gemini-2.5-flash-lite
n_replicates: 3
n_rounds: 200
temperature: 0.9

Trophic Ratios by Condition

Mean trophic ratio per agent across runs. Error bars = ±1 std dev. Higher TR = more upstream (exporter).

agent interpreter-dependence control organization