分层可变性：持久自修改智能体中的连续性与治理

本文提出“分层可变性”框架，旨在分析持久语言模型智能体在预训练、对齐、自叙事、记忆及权重适应五个层面的自我修改过程。研究指出，当突变迅速且不可逆时，治理难度显著增加，导致人类可观测层与行为影响层错位。通过形式化漂移与滞后性指标，并结合实验发现，仅恢复可见自描述无法消除记忆积累引发的行为偏差。结论表明，此类智能体的主要失效模式并非突发失调，而是局部合理更新累积成的组合性漂移。