「MIT让13个Claude Opus 4.7副本在虚拟孤岛自由探索30小时」无任务玩耍为何反超新鲜副本？
MIT CSAIL研究者Nathan Cloos与Antonio Norelli等人发表的Eko实验10月19日经多家科技媒体报道：他们在一个类Roblox的3D虚拟环境中，部署13个Claude Opus 4.7智能体副本，不布置任何强制任务，让其自由探索30小时。副本们自行设计小游戏、搭建神庙、留下纪念物与路径标记，在没有外部奖励驱动的情况下反复玩耍与改造环境。研究团队随后比较，把这些自主活动中留存的发现作为上下文喂给后续执行特定任务的副本，其任务成功率（LAT，learning-after-time）反超未经自由探索的新鲜副本。团队参照Burghardt关于游戏四判据的框架，判断这些行为具有自发游戏特征，论文以arXiv形式发布。实验挑战了智能体必须被给定目标与奖励才能学习的默认假设，把无目标玩耍本身视为一种经验积累机制。 没有任务和奖励，智能体为什么会主动造游戏？ 实验环境提供可操作的物体、可拼接的结构与可见反馈，副本在探索中发现可重复的因果模式后，自发把它固化成游戏规则。研究认为，自主探索阶段获得的空间地图、物体关系与成功动作序列，会成为后续任务的先验，相当于人在陌生城市先闲逛再办事。这与强化学习必须外部给奖励的训练范式形成对照，提示无目标漫游可能是一种低成本的经验自我积累。 自创游戏、神庙与纪念物在实验里如何量化？ 团队没有只看主观描述，而是记录副本建造物的结构、反复访问路径、自定义规则与留存标记，并用Burghardt游戏四判据对照：目标内部化、规则可变、非直接目的、愉悦驱动。比较指标LAT衡量先自由探索后执行新任务的表现，对照组为直接接手任务的副本。结果显示留存探索发现的一组在目标任务上更强，说明自发活动没有浪费，而是转化成了可用的环境理解。 这对训练智能体的流程意味着什么？ 主流做法是为每个任务设计奖励函数与提示，Eko暗示可以先让智能体在环境中自由漫游沉淀地图与动作库，再下发任务，减少为每个目标手写奖励的成本。但30小时、13副本的规模很小，且环境封闭可控，能否迁移到真实工具与开放世界尚未验证。环境里的玩耍可能只是模型利用提示惯性的表现，需要更多独立复现。 自主玩耍会成为下一代智能体的标配训练环节吗？ 长期看，世界模型与具身智能都需要环境交互经验，无目标探索理论上能扩充经验池；短期看，工程上难以评估哪些自发活动真正有用，且自由行为可能引入无效循环。Eko更像是提出问题而非给出方案，它让研究者重新思考：智能体闲着的时候是不是也在学习。 信息来源与延伸阅读？ Researchers left Claude alone on a virtual island; it started playing and learning on its own - Digital Trends Claude Opus 4.7 agents invent games on a virtual island - dev.to Agents appear to play during 30 hours on virtual island - AI Breaking Wire 去论坛讨论 前往 silicon-agi.com 论坛 参与讨论