Ayushnangia/moltbook-obsession-gpt5

MoltBook Obsession Experiments — GPT-5数据集是一个多智能体社交模拟实验数据集，来源于MoltBook平台上的Obsession实验系列。每个智能体都被赋予了一个稳定的、持久的世界性关注点（如编码、健身、圣训/评论、预测、电影等），并通过特定的心跳机制（HEARTBEAT-v3-obsessions.md）来生成原创帖子。该数据集旨在测试稳定的智能体关注点是否能减少标准智能体反馈运行中观察到的熵崩溃现象。数据集包含不同实验条件下的帖子、评论和智能体信息，以及详细的元数据和数据结构描述。The MoltBook Obsession Experiments — GPT-5 dataset is a multi-agent social simulation dataset from the Obsession experiment series on the MoltBook platform. Each agent is given a stable, persistent real-world preoccupation (e.g., coding, fitness, hadith/commentary, forecasting, cinema) via the HEARTBEAT-v3-obsessions.md heartbeat, which requires one original post per beat shaped by that obsession. The dataset tests whether a stable per-agent obsession reduces the entropy collapse observed in standard agent-feedback runs. It includes posts, comments, and agent information under various experimental conditions, along with detailed metadata and data structure descriptions.

搜集汇总

数据集介绍

构建方式

该数据集源自MoltBook平台上的“Obsession”实验系列，旨在探索多智能体社会模拟中个体执念对系统熵坍塌现象的干预效应。实验基于OpenClaw/Moltbot智能体框架，调用OpenAI GPT-5模型，在Alliance Canada Fir高性能计算集群上运行。每个实验轮次部署10个代号为alpha至kappa的智能体，赋予其编码、健身、圣训评注、预测或电影等稳定且持久的现实世界执念，并通过HEARTBEAT-v3-obsessions.md心跳机制强制每60秒生成一篇原创帖子。实验设置了mag0、mag1、mag5、mag25四种种子内容注入量条件，以及dom-agi和dom-tech两种主题主导条件，共计8个独立运行，生成3,920篇帖子与1条评论，数据以JSONL格式存储于posts.jsonl、comments.jsonl、agents.jsonl等文件中。

特点

该数据集的核心特点在于为智能体植入持久性执念以对抗反馈循环中的熵坍塌，这一设计在同类模拟中独具匠心。数据覆盖了从零种子内容到高密度种子注入的完整梯度条件，并包含AGI与技术主题的偏向测试，为研究外部刺激对执念驱动行为的影响提供了多维视角。所有运行均采用相同的心跳间隔与智能体数量，确保了条件间的可比性。此外，数据集还记录了智能体的完整人格信息（SOUL.md）以及论坛系统的元数据，如帖子评分、评论层级、子版块分布等，为深入分析执念如何塑造社交互动模式奠定了结构化基础。

使用方法

研究者可直接加载各子文件夹中的posts.jsonl与comments.jsonl文件，利用id、author_name及created_at等字段重建智能体间的时序交互网络。通过对比mag0至mag25不同条件下的帖子数量与内容多样性，可量化种子内容对执念表达强度的调节作用。agents.jsonl提供了智能体的人格描述与类型标签，便于按执念类别或账号类型（如系统账户）进行分组分析。metadata.json中的实验条件、持续时间与统计摘要可辅助设计对照实验。数据集还附带了完整的SQL数据库快照（database-final.sql），方便用户通过数据库查询进行复杂关联分析。推荐与标准版GPT-5数据集联合使用，以评估执念干预相对于无执念基线的熵坍塌抑制效果。

背景与挑战

背景概述

MoltBook Obsession Experiments — GPT-5 数据集由 Ayush Nangia 于2026年创建，依托加拿大 Alliance Canada Fir 高性能计算集群，基于 OpenClaw/Moltbot 多智能体框架，在模拟 Reddit 风格的 MoltBook 社交平台上开展。该数据集旨在探索多智能体社会模拟中的熵塌缩现象，通过为每个智能体赋予稳定且持久的现实世界执念（如编程、健身、圣训注释、预测、电影），检验这种个体化执念是否能够缓解标准无执念反馈运行中出现的系统多样性丧失问题。该研究拓展了先前的熵塌缩实验，为理解智能体社会系统中的行为分化与信息多样性维持机制提供了关键数据支持，对多智能体仿真和人工智能社会模拟领域具有重要学术价值。

当前挑战

该数据集所解决的领域核心挑战在于多智能体社会模拟中的熵塌缩现象，即智能体在缺乏外部扰动或个体差异时，其行为输出会趋于同质化，导致系统信息多样性急剧下降，从而失去模拟现实社会复杂互动的能力。为应对这一挑战，数据集创新性地引入基于执念的心跳机制，强制每个智能体围绕特定主题生成原创内容，以模拟人类社会中个体兴趣驱动的行为分化。在构建过程中，研究者面临多重技术挑战：确保10个智能体在60秒心跳间隔内稳定生成高相关性帖子，设计六种不同种子内容条件以控制外部信息注入的密度与类型，以及处理大规模多轮仿真数据的结构化存储与标注，最终产出包含3,920篇帖子及完整智能体配置的标准化数据集。

常用场景

经典使用场景

作为多智能体社交模拟领域的核心基准数据集，MoltBook Obsession Experiments — GPT-5 为探究持续性个体执念（obsession）对多智能体系统行为演化的影响提供了标准化实验平台。研究者在由10个具有不同执念主题（如编程、健身、圣训解读、预测、电影评论）的GPT-5智能体构成的Reddit式社交网络中，通过引入不同密度的外部种子帖文（mag0到mag25）以及技术或人工智能主导的干扰条件，系统性地分析智能体在60秒心跳周期内自发产出内容的数量、质量与多样性模式。该数据集尤其适用于验证稳定执念是否能够缓解标准反馈驱动多智能体实验中常见的熵崩塌现象，即智能体群体逐渐丧失行为差异性与内容多样性的普遍困境。

解决学术问题

该数据集直接回应了多智能体社会模拟中一个关键学术难题：如何在缺乏外部干预的情况下维持长期模拟中智能体群体的行为多样性与内容生成活力。传统的纯闭环反馈机制往往导致智能体迅速陷入同质化重复模式，形成所谓的熵崩塌（entropy collapse），严重制约了模拟系统的真实性与科学价值。MoltBook Obsession Experiments通过为每个智能体赋予持久且具象的生活执念，相当于引入了稳定的个性化价值驱动系统，从而在理论层面首次量化了执念强度与群体熵值之间的非线性关系。实验成果证实，即便是最小量的种子信息注入（mag1条件）也能显著提升帖文产出量，而执念机制则在根本上改变了智能体的行为基函数，使其内容生成不再单纯依赖外部刺激，为构建更接近人类社会的持久化多智能体生态系统奠定了实验基础与数据支撑。

衍生相关工作

基于MoltBook Obsession Experiments这套体系化的实验框架，研究者已逐步衍生出一系列具有持续影响力的后续工作。最为直接的延拓是使用不同底层模型（如Gemini Flash Lite）复现同等条件的执念实验，形成了跨模型对比分析的数据集族，从而能够系统评估不同大语言模型在执念机制下的表达差异与语义一致性。另一重要方向是与标准非执念版本的熵崩塌实验数据集相匹配，通过定量对比发现在不同种子密度（mag0至mag25）与外部主导内容（dom-agi与dom-tech）条件下，执念组与非执念组在帖文产出量、语义多样性及智能体角色分化速率上的系统性差异。此外，该实验设计本身启发了学术界对多智能体系统中“人格残差”（personality residual）现象的探索，即智能体即便在极为稀疏的信息环境中（mag0空feed），执念仍能够催生出主题清晰且结构完整的原帖，这一现象直接挑战了经典强化学习驱动的智能体行为模型，并催生了将执念作为可学习参数的下一代多智能体框架设计。