1.A客观世界
发生了什么
价格、功能、包装、传播内容和使用情境等可被观察与测量的外部变量。
理解人，如何理解世界。
ONE WORLD.MANY MINDS.DIFFERENTPOSSIBILITIES.
探索模型结构
表达与经历认知与价值情绪与判断
MOMOARK / SUBJECTIVE WORLD MODEL
主观世界模型
现实中的选择，不只由外部事实决定。人会用自己的经历、价值、情绪与约束解释同一个世界。主观世界模型把这种差异变成 AI Agent 可调用、可校准、可治理的结构。
- 01
外部变量
- 02
个人解释
- 03
情绪与判断
- 04
行动路径
01 / TWO WORLDS
同一个客观变量，会进入不同人的主观世界。
AI 沙盘不是复制客观世界，而是模拟不同的人如何在自己的主观世界里理解同一个变量，并据此产生情绪、判断与行动。
1.B主观世界
它对我意味着什么
个人经历、身份认同、动机、恐惧、偏好和价值层级共同形成的内部解释。
02 / FOUR-LAYER HUMAN DATA
不是一张标签表，而是四层真人数据的交叉校准。
以下为模型方法框架。每个项目实际调用的数据类型、粒度和范围，以数据授权、脱敏条件和研究目的为边界。
ACTIVE LAYER / EXPRESSION
他怎么说？
语言风格、情绪信号与价值取向
- 数据来源
- 授权范围内的公开表达、访谈原话与跨平台表达语料
- 模型提取
- 语言习惯、情绪分布、身份信号与显性价值立场
- 在推演中的作用
- 决定 Agent 如何理解问题、表达态度，以及哪些刺激会首先引发情绪。
03 / SAY / DO GAP
最有价值的，不是答案本身，而是“说”与“做”之间的距离。
只用文本生成的人设容易忠实复述自我表达，却忽略现实约束。主观世界模型需要用行为层反向校准表达层，识别态度、身份表演与真实选择之间的转化条件。
表达层 / 我怎么说
“我买东西首先比较价格。”
行为层 / 我怎么做
在高风险或高信任品类中，仍会为确定性和熟悉感付费。
01
模型识别的结构
安全感的价值层级可能高于单一价格敏感度。
表达层 / 我怎么说
“广告和别人怎么选不会影响我。”
行为层 / 我怎么做
熟悉叙事、社会线索和默认选项会改变注意与选择顺序。
02
模型识别的结构
自我叙述与真实触发机制并不总是一致。
表达层 / 我怎么说
“我愿意尝试有趣的新产品。”
行为层 / 我怎么做
风险、迁移成本和既有习惯可能让积极态度停留在表达层。
03
模型识别的结构
态度不是行为；模型还需估计行动阈值。
04 / MODEL ASSEMBLY
真人数据如何成为一个可调用的主观世界。
模型不是把所有人平均成一个画像，而是在安全边界内，为个体或相似群体保留相对稳定的价值结构、决策规则和情境状态。
- 01
授权与脱敏
限定来源、用途、可调用范围和身份保护方式。
- 02
四层信号对齐
在安全边界内关联表达、经历、认知与行为信号。
- 03
主观结构提取
形成价值层级、因果叙事、偏好、偏差和决策阈值。
- 04
Agent 状态校准
把稳定人格结构与当下情境、记忆和约束组合起来。
- 05
变量驱动更新
注入新变量后，沿情绪—判断—行动链路更新，而非重新随机生成回答。
一个合格的主观世界模型，需要保留四种能力。
个体差异
模拟具体的人或相似群体，而不是统计平均用户。
跨层一致
表达、经历、认知与行为之间能够相互解释，也允许存在真实矛盾。
情境演化
变量改变时更新状态与选择路径，而不是只替换一句答案。
治理可追踪
数据来源、版本、调用范围和需要真人复核的边界可被审阅。
05 / SIMULATE × RESEARCH
模型成为受访者，研究 Agent 负责把问题问深。
模拟 Agent 是主观世界模型的研究接口。一个 Agent 依据模型保持角色与决策逻辑，另一个 Agent 设计问题、追问矛盾、组织讨论并提炼共识与分歧。
AI SIMULATOR
模拟人
调用主观世界模型，在不同问题和情境中保持经历、价值层级、偏好与行为阈值的连贯性。
AI RESEARCHER
研究人
提出问题、识别前后矛盾、发起追问，组织个访或焦点小组，并把完整过程整理为可审阅研究材料。
可组织的研究形式
- 一对一深度访谈
- 焦点小组讨论
- 多轮追问与复访
- 反事实情境对照
小组研究负责解释“为什么”，10,000 Agent 集群负责观察“这种结构在群体中如何分布和演化”。两者共同进入沙盘，而不是互相替代。
FROM MODEL TO POPULATION
一个主观世界解释选择，10,000 个主观世界呈现群体演化。
主观世界模型是单个 Agent 的认知底座；AI 沙盘把不同 Agent 放入同一变量和约束条件中，观察共识、分歧、情绪迁移与行动路径如何形成。
查看 AI 沙盘推演10,000SUBJECTIVE WORLDS
GOVERNANCE BOUNDARY
模型扩大研究视野，但不替代真人和现实。
页面展示的是 MomoArk 的技术方法框架。实际项目中的数据来源、授权范围、脱敏方式、模型配置与可用结论均需按研究目的和治理要求确认。模型输出用于生成假设、比较路径和发现分歧，不应被单独视为市场预测或对真实个人的判断。
01
授权
确认来源、用途与可调用范围
02
脱敏
降低个体身份暴露与回溯风险
03
治理
保留访问边界、版本与复核机制