人工心智架构实验论文数据集附件（Artificial PsyArch Test Appendix）

本仓库是《人工心智架构（Artificial PsyArch）》论文的实验数据、图表和复现附件，包含E01至E17共17个实验的设计说明、终稿报告、数据表、白箱日志摘要、论文图表和最小数据集，覆盖914个正文统计入口，用于支持论文结论的复现和审核。

This repository hosts the experimental data, figures, and reproduction supplementary materials for the paper *Artificial PsyArch*. It includes design specifications, final reports, data tables, white-box log summaries, paper figures, and minimal datasets for 17 experiments ranging from E01 to E17, covering 914 statistical entry points in the paper's main body, and is designed to support the reproduction and review of the paper's conclusions.

原始信息汇总

数据集概述

数据集名称：人工心智架构实验论文数据集附件（Artificial PsyArch Test Appendix）

发布地址：https://github.com/ginsonko/Artificial-PsyArch-test-

当前分支：main，发布锚点提交为 3b60865733d620ddfe75eacb603f985f49e5fa84

内容结构

• 实验目录：experiments/E01 至 experiments/E17，共17个实验，包含设计说明、终稿报告、汇总表、逐项数据表、白箱日志摘要、论文图表和最小数据集。
• 论文图表：paper_quality_charts_v02，仅由终稿强证据数据生成的正文总览图和分域图。
• 复现脚本：scripts，用于复现实验和重新生成论文图表的脚本副本。
• 原型增量补丁：prototype_delta，覆盖E06、E08、E13所需的最小复现增量补丁。
• 索引与清单：
  • MANIFEST.md 与 manifest.json：附件文件索引、源文件映射、哈希和样本规模。
  • REPRODUCE.md：复现实验、重新生成表格和图表的步骤。
  • LICENSE：研究与非商业实验许可。

证据准入标准

正文证据必须同时满足四项条件：

1. 实验目标能被拆成明确的最小机制命题。
2. 数据集只改变关键变量，其他条件尽量保持可比。
3. 实验调用AP原型真实模块或与论文声明一致的白箱机制实现。
4. 结果具有方向一致的对照差异，并保留可复查的表格、图表和脚本。

数据集规模

当前强证据总览覆盖E01-E17，共914个正文统计入口。不同实验的主判据单位不同，按 pair、case、family 或 step 计。strong_evidence_overview.csv 使用 evidence_entry_count 与 entry_unit 明确记录每个实验的入口数量和入口单位。

与其他资源的配合

• AP原型仓库：附件需与AP原型仓库（同级目录名为 Artificial-PsyArch）配合使用。
• 原型基准提交：f1a54e84bc2b9575fc41a3e00c5addc5a639c0bf
• 复现补丁：建议在基准提交上应用 prototype_delta/Artificial-PsyArch-reproduction-delta-v2026-05-12.patch，补丁SHA-256为 5CA9E14FDCA94C3FA7CF8582A66E040B7B4CA10A9F6D9559BB22F194C0FB8907。
• 复现口径：详见 ap_prototype_status.txt。若实际目录不同，可按 REPRODUCE.md 设置 AP_ROOT 环境变量。

文件名与来源映射

manifest.json 保留原始实验输出分支和源文件名，用于哈希追溯。公开清单使用逻辑来源URI：

• ap-paper-artifacts://：表示论文实验输出分支。
• ap-prototype://：表示AP原型仓库内的相对文件。

正文和本仓库主索引以 support_level = strong_evidence 的终稿汇总结果为准。

搜集汇总

数据集介绍

构建方式

该数据集是《人工心智架构》论文的实验数据与复现附件，构建于严谨的证据准入标准之上。研究者围绕明确的最小机制命题设计实验，精心控制数据集仅变更关键变量，确保其他条件具有可比性。实验调用真实AP原型模块或白箱机制实现，记录方向一致的对照差异，形成从E01到E17共17组实验的终稿报告、逐项数据表、白箱日志摘要及图表，合计包含914个正文统计入口，每个实验根据自身特点采用pair、case、family或step作为判据单位。

使用方法

使用者需将本附件与AP原型仓库配合于同级目录，在原型基准提交`f1a54e84bc2b9575fc41a3e00c5addc5a639c0bf`上应用指定增量补丁后，参照`REPRODUCE.md`设置`AP_ROOT`环境变量以运行实验。通过`scripts`目录下的脚本可重新生成图表和表格，利用`manifest.json`实现文件溯源与哈希校验。需注意，原型复现应优先使用随论文发布的仓库版本，保持附件与原型目录结构一致，从而精准复现全部17组实验的干预结果与白箱机制记录。

背景与挑战

背景概述

人工心智架构（Artificial PsyArch）数据集由研究团队于2025年创建，旨在通过严格的实验设计探索心智机制的人工化实现。该数据集随论文公开发布于GitHub，核心研究问题在于如何通过可控实验验证认知架构中的明确机制命题，并建立可追溯的强证据体系。数据集覆盖E01至E17共17组实验，包含914个正文统计入口，在设计上强调机制命题的明确性、变量的可控性以及结果的可复现性，为人工心智领域的研究提供了可验证的基准材料，对推动认知架构的实证研究具有深远意义。

当前挑战

数据集的核心挑战在于解决人工心智架构验证中的证据体系构建难题，即需要同时满足机制命题明确、变量控制严格、模块实现真实以及结果方向一致四个条件，这对实验设计和数据收集提出了极高要求。此外，构建过程中面临两大具体挑战：一是不同实验的判据单位不统一（如pair、case、family或step），导致数据整合与标准化困难；二是原型代码与实验数据的版本管理及复现环境配置复杂，需依赖基准提交和补丁文件，增加了审计与复现的难度。

常用场景

经典使用场景

该数据集作为《人工心智架构（Artificial PsyArch）》论文的强证据实验附件，主要用于复现和验证论文中提出的核心机制命题。经典使用场景包括：研究者可依据E01至E17共计17个实验的终稿报告、逐项数据表、白箱日志摘要及最小数据集，在AP原型基准提交上应用复现补丁，完整回溯正文结论的生成链路。数据集以严格的机制命题分解、受控变量隔离和方向一致的对照差异为证据准入标准，适用于需要精确复现人工心智架构中AgentRuntime提示包投影、时间间隔闭环、残差记忆时间显影与晋升等关键机制的研究场景，为验证论文核心论点提供可复核的数据基础。

解决学术问题

该数据集解决了人工心智架构验证中普遍存在的证据可追溯性不足与复现困难等学术痛点。传统论文常仅呈现最终结论，缺乏从结论到原始实验数据的完整回溯路径。本数据集通过按实验编码的详细设计说明、白箱机制记录、脚本入口及哈希映射清单，使每一组正文强证据均可溯源至最小实验单元。它推动了心智机制研究从黑箱评估向白箱可解释验证的范式转变，建立了证据准入的四项硬性条件，显著提升了人工心智架构领域的实验透明度和可复核性，对构建严谨的智能体机制研究标准具有里程碑意义。

实际应用

在实际应用中，该数据集为人工心智架构的工程化落地提供了白箱级的调试与验证工具。开发者可借助附带的复现补丁和脚本，在AP原型中直接测试AgentRuntime的提示包投影机制或残差记忆时间模块的性能边界。同时，数据集的实验设计逻辑可作为构建智能体行为审计系统的参考框架，用于检查多智能体协作中状态池快照的解释一致性。此外，论文图表和逐项数据表能够作为基准指标，帮助工程师快速对比不同原型版本在时间间隔闭环等关键变量上的表现差异，支撑从学术验证到工业部署的平滑过渡。

数据集最近研究

最新研究方向

该数据集聚焦于人工心智架构（Artificial PsyArch）中强因果实验证据的可追溯与可复现机制，代表了当前人工智能认知架构研究从黑箱模型向白箱机制验证的前沿转向。通过公开17组受控实验的终稿报告、白箱日志及脚本，研究者得以在明确机制命题、变量控制和可比对照条件下重建实验结果，为评估类人推理、记忆显影与时间闭环等心智模块的真实有效性提供了方法论基础。这一开放证据链不仅响应了AI可解释性与实验可重复性的跨领域热点诉求，还通过严格准入标准（如强证据入口数量与单位明确标注）设定了认知架构评估的实证基准，对推动人工通用智能（AGI）研究中理论构建与实证检验的规范对接具有深远意义。