Metodi e dati

Codice, risposte grezze, giudizi ciechi, mappe di deanonimizzazione, punteggi item per item e le cinque pre-registrazioni sono pubblicati per intero. Anche le modifiche — comprese quelle che sono costate all'autore la sua stessa ipotesi, con la data e con il ragionamento che le ha prodotte.

Ogni pre-registrazione è stata scritta e hashata con SHA-256 prima che i dati corrispondenti esistessero. Ogni modifica è datata e conservata — la tracciabilità è il punto, e comprende le modifiche che ci hanno dato torto.

Il protocollo dello studio originale a 30 giorni è stato congelato a parte il 23 aprile 2026: il manifesto firmato, i cinque file del conduttore e le istruzioni per verificare l'hash da soli.

• counterfeit_control.py — costruisce i documenti di memoria falsi, esegue le 42 risposte, guida i tre panel di giudici, ancora i contrasti.
• binding_probe.py — costruisce le sonde simmetriche, corrompe i legami, esegue i sette modelli su entrambi i corpora, McNemar esatto con Holm.
• sensor_check.py — l'osservazione sul campo del §6: che cosa stava ricevendo davvero l'agente quando diceva di vedere.
• stats_appendix.py — rigenera ogni intervallo di confidenza, denominatore, conteggio di astensioni, dimensione dell'effetto e correzione di questo sito.

Poche centinaia di righe, con licenza aperta, e un README che spiega come puntarle sul tuo sistema.

• Risposte grezze — ogni generazione, tutte le condizioni, tutti i modelli (risposte_legami.json, risposte_legami_vivo.json, risposte_replica.json).
• Giudizi ciechi — 126 record sui tre panel, più le mappe di deanonimizzazione, così puoi controllare che la cecità fosse reale invece di crederci sulla parola.
• Le sonde stesse — entrambi i corpora, così come sono state generate.
• I 269 pensieri della finestra cieca dell'osservazione sul campo, grezzi, così chiunque può riclassificarli e non essere d'accordo con il nostro conteggio.
• Appendice statistica completa — tutti gli IC, i denominatori, le astensioni, le dimensioni degli effetti e le correzioni di Holm, in un solo file.
• Log — generazione, giudizio, sondaggio, analisi. Compresi i tentativi scartati.

I limiti del panel, dichiarati. Ventiquattro sonde per modello per corpus, sette modelli, quattro dei quali della stessa famiglia (Qwen). Claude Opus 4.7 manca come soggetto: la sua chiave API è stata ruotata a esperimento in corso dopo un'esposizione accidentale. Compare come giudice nel Controllo 1, non come soggetto nei Controlli 2–3. I seed di Ollama non garantiscono una riproducibilità bit per bit; la nostra garanzia contro il cherry-picking è "primo output utilizzabile, tutti gli scarti a log" — gli scarti sono stati due, entrambi strutturali.

Se scarichi l'output grezzo del Controllo 3, troverai cinque celle del corpus A marcate CONTAMINATA — "la condizione senza memoria non è al caso" — accanto a modelli che questo sito dà per validi. Non è una contraddizione che stiamo nascondendo: è uno script conservativo.

Il marcatore è calcolato su tutte e 24 le sonde, contando le astensioni come errori. Contare un rifiuto come risposta sbagliata spinge la condizione senza memoria sotto il caso e fabbrica un artefatto. Il controllo di validità va letto sulle sonde a cui è stata data una risposta, che è ciò che fa l'appendice statistica ed è ciò che riporta questo sito. Lasciamo il marcatore grezzo dov'è invece di riscriverlo in silenzio, e ti diciamo qui perché.