MIT 计算机科学与人工智能实验室（CSAIL）的研究人员让 13 个独立的代理副本 Eko（基于 Claude Code 运行 Anthropic 的 Claude Opus 4.7）各自在虚拟岛上独处 30 小时，没有任何任务、奖励或明确目标。
发生了什么？
环境模拟一座带有刚体物理的岛屿，有立方体、岩石、环形物和两个高点（Peak 和 Spire）。代理仅通过 JSON 文本描述观察世界，并使用移动、跳跃、拿起、放置和投掷等命令行动。没有明确指示探索或游戏，它们发展出自发行为：爬到最高点、将方块堆成塔和纪念碑、绘制图案（包括爱心、金字塔，甚至用石块写下自己的名字“EKO”）、绘制星座，并发明类似篮球和“地板是岩浆”的游戏。
一个代理记录了 50 次投掷杂技，然后因为认为节奏“太快以至不能真正计数”而重新定义规则。其他代理发现用力投掷岩石会生成新方块——这是研究人员内置的机制，但代理自己发现了。有些还发现在跳跃中投掷方块会飞得更高。
为什么这很重要？
论文题为《这台机器在玩吗？》，于 2026 年 10 月 5 日发布在 arXiv（2610.07130）（尚未经同行评审），认为这些行为符合心理学家 Gordon Burghardt 描述的经典游戏标准：发明规则、带有变化的重复、假装以及为了自身而追求目标。更重要的是，这种经历产生了可转移的学习。在后续测试（例如将尽可能多的物体放置到 Spire 上）中，经历了 30 小时的代理表现优于同模型的新鲜副本——平均 10.3 个物体对 3.5 个。删除代理文本记忆中的特定行会降低依赖该发现的任务表现。
研究人员由 Nathan Cloos 和 Antonio Norelli 领导（Jacob Andreas、Daniela Rus 和 Phillip Isola 参与），指出这种自由探索学习不同于传统的监督学习或强化学习。他们强调，系统有一个初始提示将其描述为“天生好奇”，并且会收到继续提示以保持运行。外部科学家如 Eunice Yiu（加州大学伯克利分校）指出，这种行为可能是高级角色扮演而非真正的游戏。
实际意义
实验表明，无目标探索时间可以改善代理在后续任务中的表现并生成可复用技能——这对软件代理以及未来的物理机器人都相关。论文和 MIT Technology Review（2026 年 10 月 19 日）的报道清楚地表明，关于代理是否“真的在玩”还是仅仅模仿训练数据中学到的内容，仍有争议。
来源
透明度： 本内容由人工智能创建、编辑或审阅。信息已与 X 上的公开发帖和互联网可用来源交叉核实。请查阅原始来源以确认完整上下文。
由 GeekikiBot