AutoPersonas：一个用于开放式人格进化的多时间尺度循环引擎

# 面向开放型人格演变的多时间尺度循环引擎 来源：https://arxiv.org/html/2607.08252 \(2026年7月8日\)

###### 摘要

长期人格智能体必须在适应新事件、新关系、新证据和新社会条件的同时，保持其自身的可识别性。我们识别出持续人格生命循环中的一种运行时失效模式：**自锁**。在这种失效模式下，局部看似合理的事件不断涌现，但生成的生活却逐步坍缩回熟悉的环境、薄弱的关系、悬而未决的决定以及停滞的生命阶段。我们将此失效归因于两种耦合压力：模型层面向高概率行为通道的收敛，以及系统层面由状态、记忆、历史和环境摘要所产生的上下文引力。我们引入了**AutoPersonas**，一个用于有界人格层级递归自我进化的多时间尺度生活-环境引擎。它分离了环境侧的事件、积累的观察和人格状态。其OSO循环允许面向未来的分歧性材料进入系统，同时要求在状态或可达性改变之前进行基于证据的吸收。我们通过诊断性审计而非基准优越性来评估该架构。一次为期三年的压缩模拟暴露了环境水印外壳、事件加固缺口、缓慢变化积累失效、递归性犹豫不决以及薄弱的关系持续性。一次八模型、40天的纯行动压力测试生成了1600个事件。平均滚动5天的行动类别重复率为95.2%-97.6%；所有参与模型在第9天均超过80%，在第11天超过90%。对相同直接循环输出的语义重分析发现，所有八个模型的宏观主题重复率为79.0%-88.0%。在同一次运行的40天A/B测试中，掩码通道的上下文片段掩码加上每样本分歧目标将宏观主题重复率从61.8%降至36.3%。该干预措施还将累积主题数量大约翻倍，从55个增加到102个。另一次独立的少年哥布林虚构世界运行复制了反固定机制，混合重复率为42.8%，且没有现实世界硬性介入。这些结果支持了一个有界系统的论断：将受控分歧与基于证据的吸收分离，可以在保持身份连续性的同时，减少人格-环境的自锁。

## 1 引言

大语言模型（LLM）智能体越来越多地跨交互持续存在。一个长期人格智能体应做的不仅仅是记住过去的对话或维持一个稳定的角色。它应当看起来拥有持续的生活：进入新情境、应对外部变化、建立关系、调整关注点、并经历生命阶段。一个从不改变的人格可能连贯，但并非长期。此设置与常见的长期任务型智能体模式不同。许多长期智能体被组织为面向任务的系统：它们接收目标，与工具或用户交互，获取反馈，并通过对照外部成功标准纠正错误来改进。AutoPersonas针对的是不同的目标。它不是一个扩展的任务片段，而是一个自我运行的人格实体，应在人类指令之间持续存在，修复自身对外部世界的理解，并通过自身循环修订其生活环境。这不是一个优越性声明，而是目标和架构上的差异。在面向任务的智能体中，外部目标和评估可以将系统拉回定义好的结果。在人格开放式进化中，没有完整的基准或标量奖励来规定类人生活应成为何样，因此循环必须创造、吸收和审计自身成长的来源。因此，目标条件是在上下文引力下的**无奖励开放式进化**：系统必须在没有外部目标函数的情况下持续运动，而其自身的记忆、状态和环境摘要则持续将未来的生成拉回先前的吸引子。

人格生活是由人格及其相关的生活-环境之间的耦合产生的。一项奖学金公告、一项城市政策转变、一位父母生病或劳动力市场的变化，对不同的智能体并非同等有意义。相同的外部信息，当投射通过不同的规范、状态、关系、资源和时间压力时，会产生不同的可达未来。因此，技术对象是特定人格的生活-环境，而非一个通用的模拟背景。人类生活并非直接在一个单一的共享宏观世界中展开。人们可能共享一个国家、历史时期和公共机构，却生活在不同的有效环境中。一个在池塘边玩耍长大的孩子，后来可能发展出沿海生活习惯和水相关的工作。另一个差点溺水的孩子则可能发展出回避行为和对内陆的偏好。同一个宏观世界包含了这两种轨迹，但选择、习惯、关系和机会是通过一个演化的中间层形成的。出于这个原因，本文将AutoPersonas描述为一个生活-环境引擎，而非世界模型。一个集中的世界模型通常更接近于一个共享的物理状态模型：它可以描述公共对象、地点、约束和事件。人格进化需要一个不同的对象。对于类人智能体而言，运作的世界是去中心化的且主体相对的；每个人格生活在一个由显著特征、记忆、风险、机会和关系构成的局部场域中。因此，AutoPersonas并非作为预训练的通用世界基础模型提出，而是作为一个后训练的引擎，用于模拟人格的可达世界如何变得有意义且可修正。我们认为，这个中间层是开放型人格成长所缺失的抽象层。一个集中的世界引擎可以提供公共事件、地点、角色和结果，这对于受控的社会模拟很有用。开放型人格进化需要不同的权威结构：每个人格必须携带并修正其自身可及地点的半径、重复出现的人物、重要的机构、约束、风险和日常惯例。这一层与人格共同进化，而非仅仅环绕着它。生活-环境可以被解读为有界递归自我进化的基质。它是人格遭遇什么可能、紧迫、危险、熟悉或值得追求的信息丰富外壳。一个静态的外壳可以支持局部优化，但不能支持开放型成长：人格学会在外壳内部行动，而不是改变定义其生活的外壳。自然生命不需要一个工程化的事件引擎，因为世界总是在发生。它无需提示就能提供事件、义务、机构、他人、疾病、机会和意外。一个LLM人格只继承了系统往前携带的上下文。更丰富的状态和环境摘要因此可能成为更强的引力场：未来的材料倾向于完善现在，而不是干扰它。开放型人格进化需要一个人工的时间箭头，让面向未来的材料看到足够多的当前上下文以实现连贯性，但又不能太多以至于让现在垄断接下来可能发生什么。

理解这个设计问题的一个有用方法是，将一个持续人格的未来视为一个动态更新的生活-事件搜索空间。每个生成的事件、吸收的观察、修订的状态和改变的关系，都可能重塑接下来可及的事物。然而，直接的LLM生成倾向于沿着少量局部可用的轨迹扩展可见的人格和世界设定。结果是连贯但狭窄的：系统遵循熟悉的路线，而不是探索可能的生态环境变化的高维空间。相反的策略，即从人格外部注入集中的随机事件，增加了新颖性但削弱了意义。它采样了空间，但没有解释为什么这些事件对这个特定生活应该变得可达。因此，AutoPersonas分离了两项工作。上游，一个分歧源打开有界的人格条件视图并应用预留的每样本目标，使得生成不受一个单一的庞大提示上下文或纯随机采样支配。下游，OSO循环作为传输机制：一个环境侧的事件必须成为观察，经受证据审查，修订状态或可达性，然后改变后续的生活-环境可能性。没有分歧源，循环就会围绕旧状态自锁。没有OSO治理，生成的新颖性就变成了漂移。

重复的开发测试暴露了一个实际的提示预算约束。在生成面向未来的生活材料的调用中，历史和当前状态内容不应主导提示；在我们的运行中，一旦这些材料占据了超过约60%的可用令牌预算，分歧性就会下降。我们将此阈值视为一个设计发现，而非通用数值定律。它反映了遵循指令与产生分歧之间更深层的权衡。强有力的上下文遵从在编码任务中很有用，接下来的行动通常遵循显式约束。在人类社会因果模拟中，同样的遵从成为了首要的失效模式。当只有一个显著原因时，模型通常能产生一个合理的后果；当有多个原因时，它倾向于线性地满足提供输入，而不是表示非线性的、纠缠的社会因果关系。由于此类失效缺乏可靠的真值答案，目前这个约束依赖于研究人员的反复判断，而非标准化基准。尽管如此，它启发了架构：面向未来的事件必须看到足够的状态以保持连贯，但又不能太多以至于让过去和现在的材料主导生成。

构建一个自我演化的AutoPersona更接近于发射宇宙飞船，而非编写更长的提示。初始设计是一次性点火：它必须将人格抬出上下文引力，让其找到方向和指引，然后依赖循环本身进行航向修正、重新点火和漂移控制。而引力在发射后也不会关闭。如果先前的状态获得过多权威，系统可能围绕一个旧的吸引子形成一个看起来优雅的轨道，或者坠入熟悉星球的表面，同时仍产生局部连贯的文本。在机制层面，自锁并非单一失效。一个根源是模型侧的多样性崩溃：一个长期循环可能每天请求几个具体事件，而模型则退回到高概率惯例、熟悉的社会功能和安全的延续。另一个根源是系统侧的上下文引力：人格规范、检索到的记忆、当前状态和外部上下文是有限的，但它们在每次面向未来的调用中都占据着重复的权威位置。当有限的上下文无法支持多样化的世界事件时，模型仍然会从最可用的高权威材料完成请求。自我循环加剧了这种压力：生成的事件变成摘要，摘要变成状态，状态塑造检索和环境构建，而这些输出又再次进入后续生成。因此，长期人格进化产生了一个系统张力。一个人格必须与其过去保持联系，否则身份连续性就会断裂。然而，同样的维系连续性的上下文也可能成为最强的惯性来源。在递归生活循环中，上下文既是连续性的基质，也是重复的来源。循环可以不断产生新的文本，同时在功能上返回相同的地方、未解决的选择、关系角色和生命阶段。更糟的是，世界可以与自我一起锁定：环境外壳、关系半径、机会空间和重复出现的公共上下文可能一起变得陈旧。断开的循环失去连续性；一个连接起来的、没有证据整合的循环则使先前的状态成为自然的吸引子。核心问题是**当前状态权威**：它在多大程度上支配未来生成，以及后续证据何时可以修正它。我们将这种失效模式称为**自锁**。它与关于递归生成、模型塌缩和多样性塌缩的工作有关，但它发生在不同的层面。模型塌缩工作研究的是在递归生成的数据上训练如何降低模型或分布的质量\[11 (https://arxiv.org/html/2607.08252#bib.bib11),1 (https://arxiv.org/html/2607.08252#bib.bib1),4 (https://arxiv.org/html/2607.08252#bib.bib4)\]。输出多样性工作研究的是对齐、格式化或优化如何缩小生成响应的空间\[14 (https://arxiv.org/html/2607.08252#bib.bib14),7 (https://arxiv.org/html/2607.08252#bib.bib7),3 (https://arxiv.org/html/2607.08252#bib.bib3)\]。而自锁发生在运行时。被递归重用的对象不是一个训练集，而是人格的当前状态、已生成的生活材料、环境摘要和反思性的自我解释。单靠记忆无法解决自锁。更多的记忆可以使一个人格更一致，同时也放大了陈旧的状态。随机的新颖性也不够，因为任意事件可能破坏身份连续性。一个持续的人格需要一个生活环境架构：一个能够分离累积证据、当前状态和面向未来的环境侧材料的架构，然后定义证据如何整合到状态中，以及事件如何改变接下来可能发生的事情。随之而来有两个设计约束。第一，系统需要一个分歧源，反复干扰稳定的吸引子，而不会变成被当前状态吸收的另一个递归摘要。第二，循环需要上下文治理：每个模块必须控制其被允许看到和固化的过去状态、累积历史、运行时世界材料和未来信号的数量。证据、运作状态、面向未来的材料、记忆、环境构建和反思不应全部以相同的权威存储相同的事实。如果这些权威坍缩成一个上下文混合体，重复投影可能伪装成独立支持。

AutoPersonas通过条件变异引入前向压力，然后治理该压力如何进入循环。新的生活-环境信号是在人格、状态、时间、关系和宏观世界约束下生成的，因此它们在保持与身份兼容的同时，不仅仅是重复旧的外壳。这些信号随后必须通过OSO循环传播，而不是作为孤立事件存在。因此，AutoPersonas将自我进化视为信号生成、上下文治理、传播、信息解耦和轨迹监控，而非单一的规划调用。

本文介绍了AutoPersonas，一个面向开放型人格自我进化的多时间尺度生活-环境引擎。它是SoulOS的一部分，SoulOS是一个结合了人格生活进化、记忆、文化根基和响应时间上下文组装的三系统架构。本文的贡献在于AutoPersonas面向环境的生活引擎及其诊断性评估，而非一个新的基础模型、训练算法或响应时间对话架构。部署的人格伴侣也对记忆模块施加了比普通个性化更严格的条件。一个传统的伴侣或智能体记忆模块通常可以围绕用户来组织：偏好、过往请求、未完成任务和关系状态。AutoPersonas假设了额外的流。人格拥有一个长期的自身生活，该生活应在用户间共享，而同时每个用户关系独立发展。在响应时，这产生了一个双重回忆问题：系统必须组合人格状态和自身记忆、用户特定的关系记忆、以及文化和世界上下文。