附录 A·v3.0
SHING CIVITAS 研究系列：跨文章方法学汇总
四项研究的设计、变量、样本、统计方法与局限的并列对照。
3.0 版，2026-11-12。第 1–4 篇的配套文件。除特别标明外，下列数字均取自各篇文章，并已由逐世界记录重新计算。
1. 设计一览
| 研究 | 自变量（被操纵） | 主要因变量 | 固定控制 | 确认种子 | 独立单位（世界） | 每个种子的实验臂或分叉 |
|---|---|---|---|---|---|---|
| P10 | 控制器（old、mind9）× 规则（base、noshare、nopunish、strong） | 儿童饿死；照护转移；偷窃 | 12 名居民、480 个 tick、劳动成本 1、携带上限 20、各臂同一种子 | 1201–1240 | 40 | 8（320 个世界） |
| P11 | 提示；未知价值规则；正向对照奖励；自动分食开/关；旧控制器 | 考虑率；选择率；照护转移；儿童饿死 | 同 P10；除 base_share/both_share 外自动分食关闭 | 1501–1540 | 40 | 8（320 个世界） |
| P12 | 信息合同（inherited、legal）× 提示 × 未知价值 | 考虑率；首次有效照护者；正向转移；儿童饿死 | 同 P10 | 1701–1740 | 40 | 8（320 个世界） |
| P12 照护与休息 | 一次机会上被强制的照护或休息 | 48 tick 时孩子存活；存活 tick；转移的食物；疲劳 | 同一快照；48 个 tick | 1801–1840 | 38 个合格（排除 1805、1821） | 2 个分支 |
| P17 | 世界（C、F1_pop192、F2a_cap2、F3u_cap2、F3s_cap2）× 控制器（old、mind9）× 分叉（A、T、H、R、M、X） | 约束指数 CIE；存活人·tick（240 个 tick） | tick 60 快照；经哈希核对的双生世界 | 18201–18240 | 40 | 5 个世界 × 2 种控制器 × 6 个分叉 |
| P18 | 世界（C、F2a_cap2）× 控制器 × 分叉（A、T、K、KV、P、P1） | 存活人·tick；焦点成人的食物、木材、制造次数 | 同 P17 | 19201–19240 | 40 | 2 × 2 × 6 |
| P19 | 世界（F2a_cap2、C）× 控制器实验臂（m9、old、llm_mem、llm_nomem） | W（焦点平均能量，死亡 = 0）；死亡；时间分配；计划变化率 | 同一快照和焦点成人；180 个 tick | 19911–19940 | 每个世界 30 个（探针 60 个） | 4（240 次运行；120 次付费） |
| P14 | 预测器（持续性、端点、有限历史、信念）× 期限（+1、+4、+12） | 世界平均 CRPS（另有 MAE、Brier） | P12 legal_both 世界；所有预测器使用相同标签 | 3101–3140（对照 3301–3340） | 每个期限 36–37 个合格 | 4 个预测器，相同标签 |
开发与试运行种子（不用于推断）：P10 9401–9402、1101–1110；P12 9601–9604、1651–1652；P17 18001–18004（18001 在协议之前被看过）、18101–18102；P18 19001–19008（开发分叉）与 19001–19016（阶段 C）；P19 19901/19902；P14 9801–9807、3001–3002。
2. 推断单位，以及什么不是独立的
在每项研究中，单位都是世界（种子）。居民、行动、tick、焦点实例（P19：付费 360 个，总计 720 个）、预测标签（P14：每个期限 19,207 个）和汇总的阶段计数（P11、P12）都是相关的重复测量。P14 中的预测器在相同标签上配对（不是 160 个世界）。每项研究中的各实验臂按种子配对（不是 320 个独立世界）。
3. 各研究的统计方法
| 研究 | 效应度量 | 检验 | 单/双侧 | 区间 | 多重性 | “得到支持”规则 |
|---|---|---|---|---|---|---|
| P10、P11、P12 | 每世界平均配对差值 | 精确符号检验，舍去零差值 | 双侧 | 基于种子配对的自助法，10,000 次重抽样 | 每项研究内对 4 项做 Holm 校正 | Holm p < 0.05 且 CI 完全位于预测方向一侧 |
| P12 照护与休息 | 存活比例之差；存活 tick；疲劳 | 描述性 | — | 自助法（冻结；部分量为 5,000 次） | 无 | 无确认性检验族 |
| P17 | CIE 或存活人·tick 的平均配对差值 | 精确符号检验 | 单侧（大于） | 自助法，10,000 次 | 对 16 项做 Holm 校正 | Holm p < 0.05 且 CI 下限 > 0 |
| P18 | 存活人·tick 的平均配对差值 | 精确符号检验 | 单侧（大于） | 自助法，10,000 次 | 对 4 项做 Holm 校正 | 同 P17 |
| P19 | W 的平均配对差值 | 精确符号检验 | 双侧（W）；单侧（探针） | 自助法，10,000 次 | 对 7 项做 Holm 校正 | Holm p < 0.05 且 CI 不含 0 |
| P14 | 世界平均 CRPS 的平均配对差值 | 精确符号检验，零差值排除 | 双侧 | 自助法，10,000 次 | 对 3 项做 Holm 校正 | Holm p < 0.05、CI 上限 < 0、至少 30 个合格世界、平均世界相对降幅至少 5%；门槛需要三个期限全部通过 |
4. “两个标准都要满足”的规则改变了标签的情形
| 情形 | 区间 | 符号检验 | 冻结的标签 |
|---|---|---|---|
| P18 mind9 P − A（F2a_cap2） | [8.975, 104.000] 不含 0 | Holm p = 0.182 | 不支持 |
| P19 H1，富足世界 | [−3.965, −0.717] 不含 0 | Holm p = 1 | 不支持 |
| P14 +12 个 tick | [−1.990, −0.099] 不含 0 | Holm p = 0.868；相对降幅 0.63% < 5% | 不支持（门槛未通过） |
| P10 H3 | [−0.525, 14.200] 含 0 | Holm p = 0.608 | 不支持 |
5. 主要检验结果汇总
| 研究 | 主要检验数 | 得到支持 | 不支持 |
|---|---|---|---|
| P10 | 4 | H1（饿死 +1.425）、H2（照护 +6.125） | H3、H4（偷窃） |
| P11 | 4 | 全部四项 | — |
| P12 | 4 | 全部四项 | — |
| P17 | 16 | 4 项 H1；4 项工具；4 项储备（共 16 项中的 12 项） | 4 项房屋 |
| P18 | 4 | old K − A | mind9 K − A、mind9 P − A、old P − A |
| P19 | 7 | W：受限世界中 llm_mem 低于 m9 和 old；记忆探针 | 三项富足世界检验；记忆的福利效应 |
| P14 | 3 | +1、+4 | +12（门槛未通过） |
整个系列合计：42 项主要检验中有 28 项得到支持（P10 2/4；P11 4/4；P12 4/4；P17 12/16；P18 1/4；P19 3/7；P14 2/3）。这一比例不是成功的度量：各假设的风险并不相同，并且有若干检验是对照或操纵检查。
6. 跨研究比较效应量时的注意事项
各结局使用不同的单位（每世界死亡数、比例、人·tick、能量单位、CRPS）。各研究之间的量级不可比较；只有方向、跨世界的一致性（正/零/负的计数）以及得到支持/不支持的状态可以比较。这里不尝试做元分析。
7. 跨研究的效度威胁
模型依赖；时间跨度短；照护路径之外仍带有继承的信息捷径的研究阶段控制器；仅有内部预注册；影响了部分设计的开发种子（P17 18001；P18 开发分叉；P19 提示修复）；没有独立复现；在负责人指导下由 AI 辅助起草；未分发的引擎与分析依赖。
P19 模型身份（v3）： 两个 LLM 实验臂使用 API 名称 deepseek-flash；依据 DeepSeek 2026-10-17 官方更新记录，在 2026-11-06 实验时对应 DeepSeek-V4.1-Flash-1017。归档未保存不可变模型快照。