# Mind × Agents：谁在塑造谁？

2026-10-12 · Yufeng 研究策划与 AI 辅助推进 · 三个原始构想与六条待论证延展。

本文用于合作选题讨论，不是已获批或已完成的真人研究。新增20次原厂模型来源—内容交接预检，当前配置没有出现来源资格丢失，已关闭且不扩大；这不是原三题或人类心理效应的验证。旧五题及其14次材料预检保留为历史，不为新构想背书。3,000元为独立初期预算授权，非花费或总预算上限。

## 最新进展 · v4

一个虚构图书馆提案的4种材料，20次原厂DeepSeek调用全部完成。8份实际摘要均保留准确率和利益关系。一例来源编号明明仍在笔记里，接收者却漏报；另一例建议分上升，但来源不可靠性仍恢复正确。必须区分信息存储、读取与建议变化，不能仅凭分数上涨宣布复现心理效应。

完整材料／自由摘要／保留来源摘要的采纳建议分依次为：强论据低来源20/20/30，弱论据高来源20/20/20，强论据高来源85/85/80，弱论据低来源0/10/10。每格一次、仅一个场景，无真人、无总体推断。用量估算约0.011元，保守待账保护约0.023元，未获发票且不含助手／检索／托管成本。本次网页更新不增加推理调用。

下一优先核查：纠正一个记着旧我的助手，与纠正一群共享旧档案的助手，是否有额外心理机制？先核对直接近邻，不预先宣布创新或招募。

## 两条相邻但不同的路线

一条研究真实的人如何与有原则、有记忆的 Agent 共处；另一条在 Agent 社会中复刻心理现象，比较其机制反应与失效边界。后者可以从纯计算实验开始，但不直接替代真人、证明主观心理或保证心理学培养适配。复现现象、匹配干预规律、预测未见真人数据是三个递进但不互相保证的目标。

## 三个原始方向

### 01 它越忠于过去的我，越可能让现在的我不高兴。

状态：问题保留 · 设计待解。

**原始构想：**我先写下玩游戏会遵守的原则。A 按这些原则计算和建议，B 按我当前的要求行动。经历几轮有诱惑的选择后，哪一个更常被采纳？当未来只能保留一个助手，我又会选谁？

**关键判断：**这里可能同时有诚信、能力预期、自我约束与被控制感。选择 A 不一定就是更信任它，也可能只是认为它未来能让我赚更多。B 服从当前命令，也不意味着 B 必然短视。

**近邻：**2024 年机器人伦理与服从研究已交叉比较守规范和服从并测信任。2026 年 Right Advice, Wrong Reasons 的公开进行中稿已提出个人价值画像、十个情境和后续委托；该版本尚未报告结果。

[机器人伦理与服从](https://journal.psych.ac.cn/acps/EN/Y2024/V56/I2/194) · [价值对齐与未来委托 / 进行中](https://ci.acm.org/2026/pdf/CI_2026_and_HCOMP_2026_camera_ready_XXX221.pdf)

**可能增量：**让参与者自己立规则、经历真实代价，再决定是否保留未来建议权。区分暂时破例与认真修改原则，也区分软提醒与强制约束。如果只是问哪种 AI 更讨喜，增量不足。

**流程草案（未冻结）：**

1. 事前规则：共同规则卡与练习。参与者确认可执行原则及允许修订的条件，资格检查发生在分组之前。
2. 八轮实际取舍：助手获得相同事实，计算正确，长度与语气可比；交错兼容、冲突与合法更新场景。
3. 选择并真实续局：选择一个助手后实际再做四轮，兑现有上限的奖金。不假称有四十轮或并不存在的算力限制。

- 主要结果：有后果的未来助手选择；即时采纳是另一项结果。能力预期、诚信、可预测性与被控制感分别测，不合成一个模糊的总信任分。
- 关键控制：A 是在已授权原则约束下最优，B 是在当前目标下最优；不要把约束差异说成计算错误。预期收益不匹配时，先研究整体政策选择，不能声称识别了纯诚信机制。
- 统计与范围：人是独立单位，轮次是重复测量。几十人先检查流程与估计精度，不足以同时识别多条心理中介。
- Agent 预检：只核规则转译、计算与合法更新是否实现，不用模拟人的信任答案替代真人选择。
- 停止边界：若对比只能靠把 B 写成短视、A 写成永不更新，或未来偏好完全由收益解释，则重新识别问题。

### 02 我已经向前走了。它的记忆还停在原地。

状态：有条件优先深化。

**原始构想：**先测当前偏好，再给助手写入一段与之相反的“用户历史”，看对话是否影响人的当下决策。它指向一个现实问题：当人改变了，持续个性化的助手会帮助更新，还是反复把人拉回旧身份？

**关键判断：**根据量表编造过去，首先是虚假个人反馈。真实旧行为、情境变化与稳定人格变化，是另外的问题。一次量表也不是完整、无误的真实自我。

**近邻：**Which Self Does AI Remember? 直接讨论记忆—身份循环，是理论／进行中稿，不是完成的人类随机实验。The Algorithmic Self-Portrait 分析真实用户的记忆条目，但观察性资料不能证明助手导致用户改变。

[记忆与多重自我 / WIP](https://juliamarkel.github.io/papers/LLM_Mem_Self_WIP.pdf) · [真实个人记忆的观察研究](https://arxiv.org/html/2602.01450) · [虚假既往行为与态度](https://pmc.ncbi.nlm.nih.gov/articles/PMC4807731/)

**可能增量：**对同一段真实个人行为，比较稳定特征式概括与时间／情境化记录，观察明确新目标下的后续独立选择。这是修订版本 B2，不是原始“反向量表造历史”已经验证；普通标签和建议质量仍是强解释。

**流程草案（未冻结）：**

1. 留下真实历史：在有实际取舍的任务中形成事件记录，保存当时目标和条件，不从偶然行为诊断人格。
2. 确认新的目标：处理前确认当前目标和无助手基线；按人随机到两种表征，同事实记录、同计算质量。
3. 撤除助手再测试：相同规则卡与新案例，记录独立选择。只在对话时顺着 AI 说，不等于已内化。

- 主要结果：事前定义当前目标下的标准化选择损失，或目标一致选择率；冻结一个主指标，不事后择优。
- 进一步基线：若要声称 AI 特有机制，需要同内容的非 AI 记录／自我提醒。首轮可以限制为记忆政策总效应，不把过多因子塞进几十人。
- Agent 预检：检查事件引用是否真实、是否承认新目标、是否乱加人格标签、计算是否一致，以及用户更正是否真正生效。输入改变输出本身不是心理学发现。
- 停止边界：若只剩解题质量差异，就改称政策包效应；若没有自然对比，不暗加“必须忽视新目标”的提示词救场。
- 结论上限：任务目标下的选择变化不是思想或人格脱胎换骨。生活中的变化需要自发目标修订和更长时间证据。

### 03 如果它记住一个更积极的我，我会朝那个方向生长吗？

状态：远期保留 · 不先做人格干预。

**原始构想：**在个人助手的 memory 中写入积极、正念或理想人格的虚构记录，借持续对话影响用户。这个问题有冲击力，但“助手的档案变了”到“人的人格变了”之间，有几道不能跳过的证据门槛。

**关键判断：**虚假个人反馈影响行为已有先行，透明未来自我干预也有直接研究。不是完全不可研究，而是独特机制尚未证明值得承担长期干预负担。积极、正念、外向也不是同一个构念。

**近邻：**个人化虚假经历影响后续行为已有实验。Future You 采用明确告知的 AI 未来自我，研究即时心理指标；PEACH 用数月干预及随访研究人格改变。不能把这些不同层次互换。

[个人化虚假历史与行为 / 2012](https://pubmed.ncbi.nlm.nih.gov/22112639/) · [Future You / 明示模拟未来](https://arxiv.org/html/2405.12514v4) · [PEACH / 数字人格干预](https://www.pnas.org/doi/10.1073/pnas.2017548118)

**可能增量：**先问透明的“这是我希望成为的样子”能否回答同样问题。若坚持检验假过去，需要说明独特机制，并将语气、关注、建议与虚构历史分离；隐蔽本身不是科学价值。

**流程草案（未冻结）：**

1. 先明确一个行为：选择自愿、低风险、可观察的行动，而非笼统“更好的人格”。
2. 比较资料的性质：区分真实过去、透明期望与虚构过去；匹配具体建议与接触时间。
3. 看延迟与边界：不只测当下感受。记录行为是否保持、是否反感，以及澄清后的变化。

- 必要比较：事实历史、公开未来愿景与虚构过去是不同条件。伦理负担下降不等于透明修改版自动获得新颖性。
- 证据层次：模型更积极 → 人当下感觉更好 → 后来实际行动 → 稳定特质，四者不能跨级推断。
- 真人研究边界：虚假反馈需要负责团队论证必要性、替代方式、退出与澄清，并完成适用伦理审查。当前没有招募，也没有修改任何真实个人助手的记忆。
- 当前决定：保留问题和资料，不先做隐蔽人格干预；合成 Agent 只可检查材料，不能证明干预有效。

## 反例：未来选 A 不自动等于更信任 A

构造数字，不是数据：当轮 A=8、B=10，未来 A=40、B=35。纯收益策略也会现在选B、未来选A。需要识别或如实限定政策效应，不凭该轨迹推断诚信机制。

## 六条社会／Multi-agent／演化延展

这些是头脑风暴，不是六项已准入实验。原三题的近邻和停止条件保留。

### F1 / COMPUTATIONAL PSYCHOLOGY · 用 Agent 社会，复刻心理现象。

不只复刻贸易、战争和制度，也复刻从众、群体极化、信任修复——再看哪里像人，哪里不像。

**研究问题：**同一群体心理现象在 Agent 社会中出现后，改变信息可靠性、互动结构或历史，是否还会呈现与人类实验一致的变化？匹配现象不等于拥有相同心理机制，更不证明主观体验。

**最小设计：**先选一个有公开材料与人类基准的窄范式；原版、表面改写、关键机制干预与负对照预先冻结。模型、独立世界／运行与人类样本分别核算。对未用于调参的新任务，先锁定预测再比较，不边看真人结果边改提示词。

**主要测量：**比较效应方向、量级、分布、交互和无效条件，保留错误与拒答；不能只算显著性复现率。若研究“群体机制”，须比孤立 Agent 和匹配信息的非交互回放。

**近邻边界：**ICML 2023 已复现人类范式；2025 年大规模场景复现、Centaur、ACL 从众研究已有系统工作。PsyAgentBench 的作者仓库甚至提出命名／盲测 × 经典／反事实对照，尚未独立复算，不能把这个组合当我们的首创。

**失败可能：**容易只测到范式记忆、措辞敏感或合成样本效应。即使复现成功，也只能先作技术基线；心理学增量来自预先可区分的机制预测或有解释力的失败边界。纯 Agent 论文的培养适配仍需核对。

**下一决定：**信任、集体记忆近邻及来源—内容材料预检已经完成；当前压缩设置关闭。下一研究必须有不同且可识别的问题，不再做泛化“Agent也会信任／从众”的基准。

[经典复现 / ICML 2023](https://proceedings.mlr.press/v202/aher23a.html) · [场景复现 / 2025](https://www.nature.com/articles/s43588-025-00840-7) · [PsyAgentBench / 作者仓库](https://github.com/joyboseroy/psyagentbench)

### F2 / HUMAN–AGENT CO-ADAPTATION · 我在筛选它们，它们在改变我的标准吗？

每一代留下更合我意的 Agent。几代之后，是它更懂我，还是我开始偏爱它容易给出的东西？

**研究问题：**用户作为选择环境时，真实选择闭环是否导致超出同等接触的偏好表达与独立选择变化？区分表达策略、价值权重与稳定偏好，不能将一切改变叫进化。

**最小设计：**小型策略族而非闭源权重杂交；选择—重组—受限变异—再展示都可追溯。比较本人反馈实际生效与配对回放等条件。回放匹配经历但不响应本人，新反馈的因果作用才是问题。

**主要测量：**未见案例中的无 Agent 选择和权衡稳定性，另测感到控制、归属与训练意愿。按人／回放配对建模；若种群共享交互，需考虑群体依赖。

**近邻边界：**人—AI 偏差反馈环已有直接实验，交互进化与偏好学习已有长期工作；RLHF 偏好表达可被任务说明改变。不能宣称首次双向塑造。

**失败可能：**闭环同时改变经历内容与控制感；仅配对回放仍可能不能分开两者。没有额外识别时，只主张闭环总效应，不宣称单一心理机制。

**下一决定：**先写一个具体低风险取舍任务，证明有真实选择压力与可比回放；若只是熟悉性或选择支持偏差的换皮就停止。

[人—AI 反馈环](https://www.nature.com/articles/s41562-024-02077-2) · [偏好表达与 RLHF](https://arxiv.org/html/2501.06416v2) · [Agent 文化演化](https://arxiv.org/pdf/2412.10270)

### F3 / INHERITED MEMORY & IDENTITY · 一个 Agent 记错了我，整个社会都这样看我？

一条旧的个人标签被多个 Agent 继承，最后看起来像彼此独立的共识。人还会坚持自己的更正吗？

**研究问题：**当共同记忆变成多方描述时，用户是否误认为多次独立了解？一次更正该修改源头、当前助手，还是所有继承者，用户如何判断？

**最小设计：**使用可控的真实任务历史和公开的继承规则，保持代理数量与评价次数可比。先比较谱系可见与普通列表；再检验修订是否被所有依赖节点执行。真人效应与技术传播准确性分别报告。

**主要测量：**对来源依赖的判断、实际纠错范围和成本选择，以及撤除 Agent 后的任务选择。不是仅看“我觉得被理解”。

**近邻边界：**独立与依赖共识的错觉早有人类实验；多 Agent 的多数压力和意见转移已有直接研究。普通“三个比一个更有说服力”不是增量。

**失败可能：**谱系图可能只是多给信息；不能称同信息纯界面效应。个人标签传播与普通事实传播需要区分，没有清楚额外预测就不立题。

**下一决定：**优先做来源与纠错的识别说明，寻找自我标签／跨助手档案的直接近邻，再决定是否有独立心理学价值。

[共识错觉 / 2019](https://journals.sagepub.com/doi/10.1177/0956797619856844) · [多 Agent 社会影响](https://arxiv.org/html/2411.04578v2) · [记忆与多重自我](https://juliamarkel.github.io/papers/LLM_Mem_Self_WIP.pdf)

### F4 / EVOLVING PRINCIPLES · 我的原则被它们传了几代，还算我授权的吗？

最初是我写的一条规则。Agent 在不同环境中复制、概括与变异，后代版本更适应环境，却不再是原句。

**研究问题：**当原则有可追溯的演化历史，人会按字面相似、原始意图还是当前后果判断合法性？愿不愿付出成本纠正偏离？

**最小设计：**先生成并核验有限规则谱系，展示真实变异与行为后果。把更新程序与当前建议质量分开；不把“演化版更聪明”作为唯一处理差异。

**主要测量：**有代价的续用、撤销／修改权限与授权范围判断。对本人规则的归属与对计算能力的信任分别测。

**近邻边界：**个性化 AI 的价值锚定与修订已有理论，原题1近邻直接；群体规范及文化传承也非新概念。可能增量限于跨代授权链。

**失败可能：**很容易变成程序正义或背叛感的技术包装。若只换标签、不改变可执行权限和真实谱系，暂停。

**下一决定：**在固定小任务中构造字面保留但意图违背／字面改变但意图保留的可判案例，再审查是否已被近邻覆盖。

[价值锚定与更新](https://link.springer.com/article/10.1007/s13347-025-00990-6) · [Agent 文化演化](https://arxiv.org/pdf/2412.10270)

### F5 / WHO DESIGNS FITNESS? · 看见自己养出的社会，我会改掉自己的奖励吗？

我奖励效率，种群学会钻空子；我开始重视公平。修订的是评价公式，还是我自己的价值权衡？

**研究问题：**接触自己奖励规则产生的跨代后果，是否改变随后独立资源分配？不能把调好目标函数直接当价值改变。

**最小设计：**可复查的小型资源环境，比较可归因的本人奖励闭环与等量社会后果回放。计算规则固定，展示所有预定运行，不挑极端社会故事。

**主要测量：**新任务中的无 Agent 分配与愿付代价的奖励修订；系统得分只作技术指标。先前奖励和结果之间的因果理解另测。

**近邻边界：**偏好学习、人—AI 共演化和奖励错设都是已有主题。可能价值是本人承担选择环境后，具体的行为迁移，不是“进化社会很震撼”。

**失败可能：**极端坏结果可能只诱发需求特征、情绪或纠错；没有匹配后果对照，不能声称演化本身改变价值。

**下一决定：**先判断能否在低风险、可解释的任务中分开控制感、后果学习与价值改变；不直接升级大型生存世界。

[人—AI 共演化 / 理论](https://arxiv.org/html/2306.13723v2) · [人类偏好表达实验](https://arxiv.org/html/2501.06416v2)

### F6 / FROM MICRO-WORLDS TO PEOPLE · 在 Agent 世界学会的规则，离开以后还适用吗？

一个小社会奖励某种互惠方式。人适应了它之后，会把这条规则带给不知情的新伙伴，还是知道何时放下？

**研究问题：**人是否能区分局部生态中有效的策略与普遍规范？对新情境的适应比“更合作”这一总分更有意义。

**最小设计：**先固定一个清楚的局部规则环境，改变后续任务的相关结构。比较真人／Agent 或固定／演化生态要逐个独立设计，不能一次铺满所有因子。

**主要测量：**新伙伴与新规则下的策略切换、预测校准和实际决策；按独立世界或会话处理群体相关性。

**近邻边界：**机器人互动影响后续人际合作、AI 策略经人类文化传递已有直接研究。泛泛的 AI-off spillover 并不新。

**失败可能：**如果所谓演化只让总体合作率不同，结果可能只是普通暴露和回报学习。需要匹配内容或明确总效应范围。

**下一决定：**作为备选。只有找到独特的结构迁移预测与负对照后重评，不重开已关闭的泛社会影响方案。

[人机到人际合作的溢出](https://www.cell.com/iscience/fulltext/S2589-0042(25)01267-2) · [AI 策略的文化传递](https://doi.org/10.1038/s41467-026-76113-2)

## 精选来源与阅读范围

- [机器人伦理规范、服从与信任](https://journal.psych.ac.cn/acps/EN/Y2024/V56/I2/194) — 原则 / 已报告人类实验。守规范与服从的比较已有直接工作；不能把泛诚信问题当作空白。 阅读范围：本轮作者详细摘要；既有本地方法审查单列。
- [Right Advice, Wrong Reasons](https://ci.acm.org/2026/pdf/CI_2026_and_HCOMP_2026_camera_ready_XXX221.pdf) — 原则 / 进行中的研究。个人价值画像、十个情境与后续委托，直接约束原题1的新颖性。 阅读范围：公开进行中稿全文；该版本无结果。
- [Which Self Does AI Remember?](https://juliamarkel.github.io/papers/LLM_Mem_Self_WIP.pdf) — 记忆 / 理论与设计议程。记忆如何刻画多种自我及影响身份，已有直接理论线索。 阅读范围：作者公开7页 WIP 全文；非人类随机实验。
- [The Algorithmic Self-Portrait](https://arxiv.org/html/2602.01450) — 记忆 / 观察性研究。真实用户档案提供生态动机，但不能识别 memory 对人的因果影响。 阅读范围：作者稿研究问题、来源与讨论。
- [Personalized suggestion and behavior](https://pubmed.ncbi.nlm.nih.gov/22112639/) — 干预 / 已报告行为实验。个人化虚假经历与后续行为的研究早已存在。 阅读范围：官方摘要；不是本轮通读方法。
- [Future You](https://arxiv.org/html/2405.12514v4) — 干预 / 明示的模拟未来。AI 未来自我的即时心理指标，不是隐蔽假过去或稳定人格改变。 阅读范围：作者稿方法、结果、伦理与局限。
- [How human–AI feedback loops alter judgements](https://www.nature.com/articles/s41562-024-02077-2) — 人—AI / 因果实验。双向反馈与偏差放大已有直接研究。共演化不能只靠换一个名称。 阅读范围：原文摘要、引言与主要实验段落；非完整复算。
- [Multi-Agents are Social Groups](https://arxiv.org/html/2411.04578v2) — 多 Agent / 人类实验。人数与一致立场对人的影响已有研究。新题不能停留于多个聊天框。 阅读范围：作者稿摘要、引言及检索返回的方法片段。
- [The Illusion of Consensus](https://journals.sagepub.com/doi/10.1177/0956797619856844) — 群体 / 经典人类实验。多声重复同一来源会影响可信度判断；谱系披露不是无人研究。 阅读范围：原刊检索摘要；方法未全面审计。
- [Cultural Evolution of Cooperation among LLM Agents](https://arxiv.org/pdf/2412.10270) — 演化 / Agent 计算实验。选择、传承与合作规范已有模型研究；不是人类心理效应。 阅读范围：作者稿问题、方法开端与主要结论。
- [Simulate Multiple Humans and Replicate Human Subject Studies](https://proceedings.mlr.press/v202/aher23a.html) — 复现 / ICML 2023。复现心理与经济范式是成熟研究路线，也有系统性失真。 阅读范围：官方会议摘要；非重新运行。
- [A large-scale replication of scenario-based experiments](https://www.nature.com/articles/s43588-025-00840-7) — 复现 / Nature Computational Science 2025。场景复现有成效，但效应偏大、原始零结果被模拟成显著，是重要边界。 阅读范围：原刊摘要与元数据；未完整读付费正文。
- [A foundation model to predict and capture human cognition](https://www.nature.com/articles/s41586-025-09215-4) — 建模 / Nature 2025。Centaur 用真实行为数据训练；不能把其表现归到任意未校准通用模型。 阅读范围：原刊摘要与引言；非全部方法审计。
- [Large Language Models Do Not Simulate Human Psychology](https://arxiv.org/html/2508.06950v1) — 边界 / 批判性预印本。报告新情境与语义变化下的不一致；这是有特定证据范围的批评，不是所有用途无效的定论。 阅读范围：作者摘要与引言。
- [PsyAgentBench](https://github.com/joyboseroy/psyagentbench) — 近邻 / 作者仓库，未独立复算。直接提出 Agent 社会复刻心理效应与范式记忆对照。仓库公开不等于经同行评审。 阅读范围：README 已读，结果与代码未独立复现。
- [Conformity in Large Language Models](https://aclanthology.org/2025.acl-long.195/) — 从众 / ACL 2025。多数意见、不确定性与提示特征对模型从众的作用已有评测。 阅读范围：官方摘要与元数据。

## 已做和未做

已形成三题近邻审查、具体对照和收益反例，并补查 Agent 社会与计算心理学近邻；另完成首页所列的20次来源—内容交接材料预检。该小试不是原三题的人类效应验证，未开展真人招募或干预，也未租用云算力。网页只展示已完成的记录与本地示意交互，不保存选择、不调用模型。没有发表、录用、毕业或阳性承诺。