연구진은 페르소나 에이전트가 장기적으로 식별성을 유지하면서 변화하는 환경에 적응하는 데 어려움을 겪는 '자기 잠금' 현상을 발견했어요. 이 문제는 모델의 행동 채널 집중과 시스템 수준의 맥락 중력으로 인해 발생해요.
AutoPersonas는 페르소나 수준의 재귀적 자기 진화를 위한 다중 시간 척도 환경 엔진으로, 환경 측면의 사건, 관찰, 페르소나 상태를 분리하여 설계됐어요.
3년간의 시뮬레이션과 8개 모델의 40일 스트레스 테스트를 통해 환경 워터마크, 사건 경화, 느린 변화 축적 실패, 재귀적 망설임, 약한 관계 지속 등의 문제점이 드러났어요.
맥락 슬라이스 마스킹과 샘플별 발산 타겟팅을 통해 거시 주제 반복을 줄이고 주제 수를 늘리는 데 성공하여, 페르소나와 환경의 자기 잠금을 줄이면서도 동일성을 유지할 수 있음을 확인했어요.