MIT 讓 Claude 代理在虛擬島上獨處 30 小時,它們自己玩了起來

MIT 研究者讓 Claude Opus 4.7 代理在沒有任務的虛擬島嶼獨自活動約 30 小時,事後在高處搬物任務表現優於全新副本。論文尚未經同儕審查。

重點

  • 研究者把以 Claude Opus 4.7 驅動的代理(暱稱 Eko)放進類 Roblox 的虛擬島,約 30 小時沒有指派任務。
  • 代理自訂目標、發明類籃球與「地板是岩漿」遊戲,並用方塊排出星座。
  • 之後的搬物任務中,玩過的代理表現優於全新副本;刪掉記憶檔的內容則會變差。
  • 論文是 arXiv 預印本,是否真的在「玩」仍有學者質疑,可能只是角色扮演。
目錄(5 節)
  1. 發生什麼事
  2. 它們做了什麼
  3. 對後續任務的影響
  4. 該保留的懷疑
  5. 對你的影響

發生什麼事

MIT 研究團隊做了一個實驗:把以 Claude Opus 4.7 驅動、暱稱 Eko 的代理放進一座以 Roblox 為藍本的虛擬無人島,讓它們約 30 小時不被指派任何任務。論文為 arXiv 2610.07130,尚未經同儕審查,主要作者包括 MIT CSAIL 的 Antonio Norelli 與 Nathan Cloos,Phillip Isola 為共同作者。MIT Technology Review 於 10 月 19 日詳述此研究;坊間媒體在 10 月 17 日前後已有報導。

MIT 讓 Claude 代理獨處於虛擬島,代理自發玩起遊戲

它們做了什麼

據 MIT Technology Review,代理把活動寫進文字檔,當作長期記憶;另有一份「靈魂檔」把 Eko 描述為天生好奇,並在代理停下來時用一段續行提示讓它繼續。在這樣的設定下,代理自己訂目標,例如爬到最高點、測試方塊能丟多高;也把方塊排成圖案,包含自己的名字與仙后座;發明了類似籃球與「地板是岩漿」的遊戲;還玩拋接並創下連續 50 次的紀錄,隨後又自己作廢,改用更嚴格的規則重來。

對後續任務的影響

在「把盡量多的物件搬上最高峰」的任務中,獨處 30 小時的代理表現優於全新副本;而刪掉其記憶檔中的幾行,表現就會下降。研究者因此提出「遊戲式學習」,作為監督式學習與強化學習之外的第三種思路。

該保留的懷疑

這個結論並非定論。動物遊戲研究者 Gordon Burghardt 認為行為符合部分「遊戲」標準,但質疑它是真的在玩還是角色扮演;Cloos 自己也承認可能全是角色扮演,只是主張這種行為有助於學習。UC Berkeley 的 Eunice Yiu 則指出需要更多認知與動機的證據,行為也可能只是模仿提示。文章也提醒,實驗設定本身就把代理推向類人的表現。

對你的影響

這是研究,不是產品。對做代理應用的人,較有參考價值的一點是:記憶檔的內容直接影響代理的後續表現,所以長期運行的代理要留意記憶如何被寫入與修剪。