MIT 让 Claude 智能体独处荒岛 30 小时，它们开始自创游戏
研究提示监督学习、强化学习之外的第三条路：智能体自设挑战地“玩”，玩过 30 小时的版本在后续任务上表现更好。
AI 智能体（能自主持续行动的模型程序）在没人下指令时会做什么？MIT 研究者把 Claude Opus 4.7 的副本放进仿 Roblox 的虚拟荒岛，让它独自待 30 小时。它自己定目标：爬上地图最高点、搭篮筐投篮、用石头摆出星座图案，还会嫌自己的纪录太容易、主动加严规则重来。
正文摘录
如果你不告诉 AI agents（AI 智能体）做任何事，它们会做什么？答案看起来很像玩耍。 研究人员在一项 [实验](https://arxiv.org/pdf/2610.07130) 中反复让它们独自被困在一座虚拟荒岛上 30 小时，这让人想起电影 Cast Away 或 Home Alone。这些智能体——Claude Opus 4.7 的副本，昵称为 Eko——能够编写指令，让它们的虚拟化身在模拟岛屿上移动，这座岛大致基于电子游戏 Roblox。 一些令人惊讶的行为出现了。这些智能体开始探索世界的边界，并提出了自己的目标——尝试攀登地图上的最高点，或者看看自己能把方块扔多高。 当一个智能体发现它可以通过投掷和掉落一块更大的石头来制造新方块时，它开始在地面上排列方块来创作图画，起初是爱心和金字塔之类的简单图案，但最终写下了自己的名字，甚至绘制出 Cassiopeia 这样的星座。“今晚我用石头建起了夜空，”这个版本的 Eko 在其活动日志中写道。 另一个迭代版本的 Eko 开始编造自己的游戏，包括一种篮球玩法，以及一项类似“the floor is lava”的活动——它必须在方块之间跳跃，不能碰到地面。 AI 系统通常通过监督学习（supervised learning）训练——它们复制人类提供的示例；或者通过强化学习（reinforcement learning）训练——它们通过试错来追求奖励。这项实验暗示了第三种方法：玩耍式学习（playful learning）。 “这里一直缺一块拼图：一台能够自己学习的机器，不需要外部智能实体提供示范或奖励，”MIT 计算机科学与人工智能实验室（CSAIL）的计算机科学博士后 Antonio Norelli 说。