자신과 세계를 구분할 수 있는 에이전트가 어떻게 그 구분에 의해 지속적으로 형성될 수 있을까요? 최근 연구는 예측 시스템이 자신의 에이전시 (Agency)를 탐지할 수 있음을 보여주었으나 (Ye, 2026), 에이전시를 탐지하는 것만으로는 지속적이고 스스로 형성된 행동을 설명할 수 없습니다. 본 연구에서는 에이전시 게이트형 느린 크레딧 (agency-gated slow credit) — 즉, 느린 파라미터 업데이트를 유도하는 결합 용어인 OwnAgencySalience — 이 언로드(unload) 이후의 행동 잔류물 (behavioral residue)을 생성함을 보여줍니다. 스파이킹 기질 (spiking substrate, Nengo LIF/PES) 상에서, 학습된 자기 보존적 선택은 에피소드 버퍼(episodic buffer)가 제거된 후에도 생존하며 (유지 비율 0.96, N=50), 느린 디코더(slow decoders)가 리셋되거나 에이전시 게이트가 제거될 때 붕괴됩니다. 에이전시 비교기(agency comparator)를 재현하고 느린 크레딧 채널만을 토글했을 때, 우리는 명확한 분리(dissociation)를 발견했습니다: 동일한 에이전시 이득(agency gain) 조건에서, 지속적인 행동은 자기 크레딧(self-credit)이 느린 작업(slow work)을 수행할 때만 발달합니다 (언로드 후 자기 보존율 1.00 vs 0.00). 동일한 분리 현상은 24차원 부분 관측 제어 (24-dimensional partially-observed control) 환경에서도 유지되며 (0.74 vs 0.00), 가소적 작업 분석 (plastic-work analysis)은 베이슨 변형 (basin deformation)이 순 자기 크레딧 작업과 같음을 보여줍니다. 외생적 간섭 하에 순차적으로 학습된 8가지 작업 전반에서, 곱셈적 거부 (multiplicative veto) 또한 망각을 방지합니다: 이는 가산적 풀링 (additive pooling)이 우연 수준의 회상으로 붕괴되고, 에이전시 부재 제거 실험 (no-agency ablation)이 우연 수준 미만으로 떨어지며, 에피소드/리플레이 (episodic/replay) 베이스라인이 언로드 후 우연 수준 근처에 머무는 것과 달리, 기존 작업들을 유지합니다 (최종 언로드 후 정확도 0.88, 망각 0.13). 이 모든 과정은 리플레이 버퍼(replay buffer)와 작업 경계 의존적 보호 메커니즘 없이 수행되었습니다 (N=50). 우리는 이 지속적인 잔류물을 운영적 행동 자아 (operational behavioral self)로 공식화하며, 자기 유발 크레딧이 느린 작업을 수행하는 것이 자아를 발달시키는 에이전트의 필수적인 구성 요소라고 주장합니다. 의식에 대한 주장은 포함되지 않았습니다.