Project LuNaML — 現況 / 2026年8月8日
Minecraft の世界に 4 体の自律 LLM エージェントを置く。役割も、目標も、 会話の規約も、協力の仕組みも与えない。与えていないものが、それでも現れるかを観測する。 知覚・推論・決定・行動・結果のすべてを追記専用のログに記録し、 結論はそのログだけから計算する。
3 台が別々の問いを並行して走らせている。2 台は同じ問いの反復、1 台はモデルを変えた腕。 各台は別々の Minecraft サーバを同一シードで立てる — 同じ世界に繋ぐと 8 体が相互作用し、独立した反復にならない。
Windows / RTX · qwen3:8b
名指しは次の決定を変えるか（事前登録済み追試）
3 走行完了。開始距離 37.6 / 37.0 / 40.3 m、整合性検査すべて通過、除外ゼロ。
MacBook Air M2 / 24GB · qwen3:8b
同上
2 走行完了。ただし同じ 45 分で決定数が Windows の 1/5 にしかならず、統計的にほとんど寄与しなかった。次から反復に数えない。
GTX 1660 SUPER / 6GB · qwen3:4b
この効果は 8B に固有か、小さいモデルでも出るか
VRAM 6GB では 8B が記憶窓を削られるため反復には使えない。条件を一つだけ変えた腕に充てている。4 走行目が進行中。
主張はすべて帰無モデルを持ち、同一条件で 3 本以上反復されていなければ書かない。 この規則は 6 回の撤回のあとに作った。
発話は 97% が全員に届く。だから「聞いた／聞いていない」の対比は作れない。 代わりに使えるのは、全員が聞くが名指されるのは一人という非対称である。 比較は一人の聞き手の一瞬の中で閉じるので、走行間のばらつきは原理的に入らない。
宛先 +22.9% 帰無中央 +17.7% p = 0.0003 (5走行 / 48層)
仮説・指標・帰無・閾値・除外基準を、走行を一本も取る前に登録して commit した。 結果はその閾値を超えた。
ただし 1 走行に依存している。 事前登録に併記した leave-one-out 検査で、5 本のうち 1 本を抜くと p = 0.3664 になる。 その走行が識別可能な観測の 55% を持っていた。強い追試ではない。
同一条件・同一シード・同一コードで、資源採取は意思決定ターンの 0.370% から 5.150% まで動く。 変動係数 105%。
これは失敗ではなく、このプロジェクトで最も確実な事実である。 そして他のあらゆる主張を殺してきた制約でもある。 走行 1 本や 2 本の比較は、この分散の下では何も言えない。
3 時間走行の後半 2 時間は、全決定の約 9 割が すでに隣にいる相手を追うという選択で占められる。 その 89% は一歩も動かず、87% は相互だった。
24 ブロック離して配置しても集まる。ただし 92m 以上離して始めると、彼らは一度も出会わない。 凝集は普遍的な性質ではなく、開始距離に条件付きである。
いずれも走行 1 本、または帰無モデルを持たない指標に基づいていた。 撤回はこのプロジェクトの主要な成果物である。 観測系が信頼できるかどうかは、何を主張したかではなく、何を取り下げたかで決まる。
差はいつも世界ではなく測定器の側にあった。このプロジェクトはデータ不足ではなく、 測定器の未成熟に律速されている。
長い生成の間に届いた発話がすべて同じ決定を主張し、その決定が処置と対照の両方に入っていた。直すと最大の走行の効果が +25.3% から +1.1% に崩壊した。
サーバはボットの最終ログアウト位置を覚えている。世界をリセットせず反復すると、開始位置が 35m から 173m へ広がり、4 体は一度も出会わなくなった。
経路探索が地形を掘った分を含む。意図的な採取の割合は走行により 9.6% から 73.2% まで動いた。ある走行では最大の破壊要因がエージェントですらなかった。
27 ファイルをまとめてハッシュしており、走行中に一行も実行されない解析コードの変更でも値が変わる。これを根拠にした 10 時間の実験を、実行前に中止した。