v3c로 32B·flash 재측정: remaining_ok는 개선(flash .193→.230)되나 헤드라인(resume_ok)은 그대로 .143(tasks_ok 하락이 상쇄).resume은 "내가 뭘 하던 중이었나 / 몇 번 남았나"를 묻는 자기행동 기억 과제다. 오라클 textlog(.789)가 압도적이라, 같은 텍스트 계열인 rf-v3(재작성 요약)가 이미지 기반 vis-pure보다 나아야 할 것 같은데 실제로는 낮다(.143 vs .217). 이 역설을 행 단위로 규명했다.
원천 final_results/resume_v1_61871a3e 161행 · 6전략, 채점 요소를 분해(tasks_ok 어느 명령이 남았나 · remaining_ok 몇 번 남았나 · resume_ok 둘 다 · slot_ok_frac 부분점수). rf-v3가 컷 시점에 실제로 들고 있던 요약문과 tagmem의 LEDGER 줄을 같은 행에서 대조했다.
rf-v3의 텍스트는 매 청크 통째 재작성되는 요약이다(flash resume 1,384 전이 중 재작성 98.4% · 무변화 0.1%). 그 요약은 장면 서술이지 사건 목록이 아니다. 예(train_1843__2000:cut_06, 남은 과제 "세탁기 버튼 5회 누르기"): rf-v3 요약은 "…washing machine에 도달했다가 방향을 돌려 욕실로 이동…"으로 끝나 누름 횟수가 없다. 같은 행 tagmem LEDGER는 press safe → side table [living room]: ×2 (n=1,2 · t=60,90).
"MEM 논문에서는 1번→2번→3번 눌렀음으로 갱신되는데 여기는 안 하나?"라는 지적에 프롬프트 원문을 대조했다.
참고로 v3 → v3b(파괴적 지시 제거)만으로 flash resume rf-v3가 .056 → .143(+.087) 올랐다 — 프롬프트 문구가 이 셀에서 실제로 크게 작동한다는 방증.
rollforward_v3c.txt = v3b + tagmem writer의 n= 지시와 동등한 두 문장(무대상 행동도 기록, 반복 시 누적 카운트 유지). 32B로 먼저 무료 검증 후 flash 재측정 승인을 받았다.
| 조건 | tasks_ok | remaining_ok | resume_ok | slot_ok |
|---|---|---|---|---|
| rf-v3 기준선(v3b) | .416 | .193 | .143 | .280 |
| rf-v3 신규(v3c) | .391 | .230 | .143 | .326 |
| vis-pure | .503 | .280 | .217 | .323 |
| tagmem | .491 | .298 | .205 | .407 |
| textlog(오라클) | .807 | .789 | .789 | .811 |
기전은 실제로 바뀌었다 — 컷 시점 요약에 회차 문구가 들어간 행 1%→12%. 그 20행만 보면 remaining_ok .100→.250(2.5배). 그러나 resume_ok는 .143 그대로 — remaining_ok 개선(11/22행)이 tasks_ok 하락(9/22행)에 상쇄됐다(짝비교 remaining_ok 17승11패, tasks_ok 16승20패).
| 남은 과제 | n | textlog(오라클) | frames | rf-v3 | vis-pure | tagmem |
|---|---|---|---|---|---|---|
| put_in_container | 27 | 1.000 | .222 | .333 | .556 | .667 |
| move_objects | 17 | 1.000 | .529 | .529 | .588 | .647 |
| press_button | 25 | 1.000 | .280 | .120 | .320 | .240 |
| visit_rooms | 31 | .419 | .226 | .129 | .129 | .129 |
흔적이 남는 과제(담기·옮기기)는 비오라클도 .53~.67 — 회차를 "센" 게 아니라 상태에서 역산한다. 흔적이 안 남는 과제(누름·방 방문)는 전 비오라클이 .12~.32로 붕괴, 오라클만 1.000(방문은 오라클도 .419).
| 과제 종류 | 동작 구간 | 0장 | 1장 | 2장 | 3장+ | 구간 길이 median |
|---|---|---|---|---|---|---|
| put_in_container | 355 | .00 | .51 | .34 | .15 | 12.0초 |
| move_objects | 303 | .00 | .42 | .33 | .25 | 12.0초 |
| press_button | 87 | .17 | .60 | .23 | .00 | 7.8초 |
누름은 7.8초 간격이라 10초 쓰기 샘플링에 자주 걸리지 않는다: 17%는 프레임 0장(아예 안 보임), 60%는 1장뿐, 3장 이상은 0%. 같은 세탁기 앞에서 반복되는 누름은 프레임이 서로 거의 동일해 1장씩 잡혀도 "몇 번째"인지 구분하기 어렵다. 물건 과제(12초 간격)는 0장이 없고 컨테이너가 차오르는 누적 흔적이 남아 컷 시점 한 장으로도 개수를 셀 수 있다.
| 과제 | 행 | 장부=실제 | 과다 | 부족/없음 |
|---|---|---|---|---|
| put_in_container | 27 | .63 | .07 | .30 |
| move_objects | 17 | .41 | .12 | .47 |
| press_button | 25 | .24 | .00 | .76 |
담기는 63%가 정확 — 장부가 맞으면 리더도 맞힌다. 누름은 24%뿐이고 76%가 부족(56%는 누름 줄 자체가 없음).
오라클(textlog) visit_rooms 포함 62행 중 34행 오답(.419). 원인은 기억이 아니라 "집에 방이 몇 개인지 알 수 없다"는 것 — 오라클 답 자체가 "the total number of remaining rooms ... cannot be determined"로 기권한다. 행동 로그는 간 방만 알려주지 집 전체 방 목록을 주지 않는다.
"텍스트가 유리할 과제인데 텍스트가 졌다"는 잘못된 대비다. 오라클 textlog(.789)는 추가·보존형 행동 로그이고 rf-v3(.143)는 손실 압축 요약이다. 둘의 차이는 매체가 아니라 보존 방식이다. resume은 두 능력을 동시에 요구한다 — ① 진행 상태 인식(이미지가 유리) ② 회차 집계(장부가 유리). tagmem은 ②에서 비오라클 최고(remaining .298·slot .407)지만 ①에서 밀려 합산 지표가 vis-pure와 동률권에 머문다.
프롬프트 비대칭은 실재했고 v3c로 해소했지만(회차 지표 .193→.230, 문구를 실제로 쓴 행에서는 2.5배), 헤드라인 순서는 바뀌지 않았다 — flash조차 지시를 12%행에서만 따랐고, 쓴 숫자의 75%가 여전히 틀렸다. 더 근본적으로 누름 동작은 데이터 생성 단계에서 이미 "셀 수 없게" 만들어져 있다 — 7.8초 간격 반복이 10초 샘플링보다 촘촘해 어떤 writer도 넘을 수 없는 구조적 한계다.
누름은 영상 자체에 흔적이 없다(1초 간격 스트립에서 11~24초 프레임이 사실상 동일, 260915 모자이크 파일럿에서도 확인됨) — 샘플링을 아무리 촘촘히 해도 안 보인다. 방 방문 질의는 오라클조차 원리적으로 못 푸는 구조.
① 누름: 반복마다 중립 자리로 물러났다 다시 접근하는 사이클로 생성하고 연속 누름 간격을 쓰기 샘플 간격(10초)의 2배 이상으로 벌린다 — 접근 장면이 회차마다 달라져야 셀 수 있다. 대안으로 표시등 등 눈에 보이는 상태 변화를 준다(과제 성격이 바뀜). ② 방 방문: 질의에 집의 방 목록을 명시하거나 문구를 명시 목록형으로 바꾸고, 아니면 회차 채점에서 제외해 별도 보고. ③ 프롬프트 반복 횟수 자체가 비대칭(tagmem writer v1~v9 8판 vs rf-v3 v3/v3b/v3c 3판)이라는 점을 논문 한계로 명시.