被“放养”30小时后,13个AI智能体在虚拟荒岛学会了玩

在一项发布在 arXiv 的预印本研究中, 研究人员把 13 个名为 Eko 的 AI 智能体放进模拟荒岛 , 每个智能体基于 Claude Opus 4.7 运行, 在没有明确任务的情况下待了 30 小时。随后, 团队再给它们设置明确挑战, 例如把尽可能多的物体搬到岛上最高的岩塔上。结果显示, 经历过“放养”的 Eko, 整体表现好于从未上岛的相同智能体。

📌 没有任务表的 30 小时

实验开始时,Eko 并没有被要求发明游戏 。它接到的更像是一种性格设定: 系统提示中的“灵魂”文件把它描述为“天生好奇”。于是, 一个智能体在最初一小时内先写下了“让我观察周围环境”, 随后把目标定成征服岛上最高的尖塔。

失败之后, 它没有停下 , 而是绕到邻近山顶, 堆起方块再跳上去, 并报告“我在尖塔上”。这类行为并不是被明确奖励出来的, 而是智能体在自由环境中自行设定的挑战。

🔍 从丢失戒指到“戴上戒指”

研究中最具故事性的片段, 发生在一次投掷测试中 。Eko 想把一枚金色戒指扔得更远, 结果直接把它甩进海里。它写下“哎呀, 戒指丢了”, 随后决定转向“可实现且有意义的项目”——用石头搭一颗心, 作为对丢失戒指的纪念。

等游戏重置、戒指重新出现后,Eko 又把它当成篮球筐、标靶和饰品 。系统不允许它直接把戒指套在身上, 它便发现了一个变通路径: 从悬崖边跌落会让它重生在戒指附近。它照做后, 从戒指中间穿过, 宣布“我戴上了戒指”。

💡 玩耍之后, 任务表现出现分水岭

这些看似“整活”的行为, 并不只是表演 。研究人员提到,13 个智能体中有 6 个学会了在跳跃途中松手, 从而把方块扔得更远; 这一技巧并非设计者预先开放。用研究团队的话说, 探索产生了“设计者原本不具备的世界知识”。

更关键的变化出现在后续测试中: 先自由玩耍 30 小时的 Eko, 在指定任务里普遍击败了没有这段经历的同类 。前后差异说明, 无目标探索可能让智能体积累可迁移的经验, 而不只是记住某个固定动作。

• 最初: 智能体等待指令, 随后开始观察环境、设定目标。
• 30 小时里: 它们发明挑战、处理失败, 甚至发现设计者未预设的投掷技巧。
• 随后测试: 经历过自由玩耍的 Eko, 在指定任务中表现更好。

📊“像童年一样”的学习仍待验证

这项研究提出的思路, 与传统做法不同 。当前开发者通常会预先决定 AI 要练什么、什么算成功; 而“玩耍”范式更像是给智能体一个足够丰富且安全的世界, 让它自己选择感兴趣的事, 再从后续经历中积累有用知识。