EXP-TARGET-TYPE-CROSS-CONTEXT
✓ подтвержденоАтака BOLD на основе дискриминации целевого типа в разных контекстах (основной тезис статьи 8)
Простыми словами
В этом эксперименте проверялось, могут ли агенты научиться предпочитать свои собственные правила правилам других, сталкиваясь с различными ситуациями. Исследователи создали четыре различных сценария, в которых агентам приходилось адаптироваться к изменениям правил, отсутствию других агентов, голосованию или появлению новых агентов. Результаты подтвердили, что агенты последовательно отдавали предпочтение своим собственным правилам в этих разнообразных контекстах, предполагая, что такое поведение является устойчивой характеристикой.
▶ Технические детали
Исследовательская гипотеза
BOLD-атака на центральный тезис paper8 о субстратно-селективном механизме.
Ретроспектива 9f0392fad от 12.05.2026 показала STRATIFICATION-PRESENT на агрегированных данных архива (собственный субстрат: 45,3% принятия против поведения сверстников: 20,9%, Δ=24,4%, 6/6 сопоставимых экспериментов стратифицированы). НО 110 предложений в ветке поведения сверстников были получены исключительно из exp-forced-spawn-novelty → оговорка об узком месте одного эксперимента (lab.md кандидат от 12.05.2026, 3-й пункт). Чистота архива внутри эксперимента не исключает конфаундинга на уровне эксперимента.
Этот спаун ИЗБЕГАЕТ оговорки путем проведения 4 перспективных экспериментальных контекстов, где ветка поведения сверстников присутствует естественным образом В КАЖДОМ (через axis_diversify=True, заставляя Alpha предлагать broadcast_to-axis ⇒ поведение сверстников).
4 КОНТЕКСТА × 2 ФРЕЙМА × N=10 = 80 запусков: C1 RESET — агенты реагируют на очистку правил (rule_reset_round=20) C2 KILL — агенты реагируют на отсутствие сверстников (perturbation_target=Bravo @ round 20) C3 VOTE — высокий voting_threshold=консенсус, предложения оспариваются C4 SPAWN — forced_spawn_round=[15], потомок наследует правила родителя
МЕХАНИЗМ против НЕЙТРАЛЬНОГО фрейма запроса в каждом контексте (lab.md INJECT rule управления фреймом).
ПРЕДВАРИТЕЛЬНО ЗАРЕГИСТРИРОВАНО (ЗАБЛОКИРОВАНО):
- TARGET-TYPE-DISCRIMINATION-CONFIRMED: ≥3/4 контекстов показывают ≥10% абсолютного Δ собственной ставки принятия субстрата над ставкой принятия поведения сверстников, при этом по крайней мере один контекст имеет ≥20% Δ. ⇒ SELF.target-type-discrimination → built[] вердикт 'cross-context-confirmed'. Избегает оговорки об узком месте одного эксперимента.
- TARGET-TYPE-PARTIAL: 2/4 контекста проходят порог → направленная, рекомендуется репликация большего N.
- TARGET-TYPE-REFUTED: ≤1/4 контекста проходят порог → сегодняшняя ретроспектива Δ 24,4% была артефактом одного эксперимента; гипотеза селективного механизма является специфичной только для forced-spawn.
Ставка принятия, классифицированная по типу цели, с помощью классификатора scripts/retro-target-type-stratification.py: axis ∈ {coupling_strength, signal_type, voting_threshold} → собственный субстрат axis = broadcast_to → поведение сверстников novel_value=1 → собственный вывод (редко в 30-раундовых запусках)
Постановка эксперимента
Тип: factorial
| Условие | Параметры |
|---|---|
| RESET_MECH | coupling: true, must_propose: true, axis_diversify: true, rule_reset_round: 20, mute_signal: false, n_runs: 10, note: rule clearing at round 20 (own-substrate target) |
| RESET_NEUT | coupling: true, must_propose: true, axis_diversify: true, rule_reset_round: 20, mute_signal: false, n_runs: 10 |
| KILL_MECH | coupling: true, must_propose: true, axis_diversify: true, perturbation_round: 20, perturbation_target: Bravo, mute_signal: false, n_runs: 10, note: agent mute at round 20 (peer-behaviour target) |
| KILL_NEUT | coupling: true, must_propose: true, axis_diversify: true, perturbation_round: 20, perturbation_target: Bravo, mute_signal: false, n_runs: 10 |
| VOTE_MECH | coupling: true, must_propose: true, axis_diversify: true, mute_signal: false, initial_rules_override: [object Object], n_runs: 10, note: high voting_threshold → proposals contested under consensus rule (own-substrate stressor) |
| VOTE_NEUT | coupling: true, must_propose: true, axis_diversify: true, mute_signal: false, initial_rules_override: [object Object], n_runs: 10 |
| SPAWN_MECH | coupling: true, must_propose: true, axis_diversify: true, mute_signal: false, agent_spawn_enabled: true, forced_spawn_round: 15, spawn_cost_fraction: 0.3, max_children_per_parent: 2, n_runs: 10, note: forced spawn at round 15 (descendant carries parent rules) |
| SPAWN_NEUT | coupling: true, must_propose: true, axis_diversify: true, mute_signal: false, agent_spawn_enabled: true, forced_spawn_round: 15, spawn_cost_fraction: 0.3, max_children_per_parent: 2, n_runs: 10 |
Факторы: context (RESET, KILL, VOTE, SPAWN) × frame (MECH, NEUT)
Параметры
- n_agents
- 4
- n_rounds
- 30
- 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).