MIT研究：AI智能体在虚拟岛自主发现投掷技巧

据aitimes.com报道，MIT研究人员在一份存档中发布了一项名为《Is this machine playing?》的研究，分析AI智能体在无任务设定下的自发探索与学习行为。研究团队利用Anthropic的Claude Code和Claude Opus 4.7构建了名为Eko的AI智能体。

实验中，13个Eko智能体分别在独立的虚拟岛上运行30小时，没有被分配任何任务或评分。岛屿包含高低起伏的地形、12种方块、岩石和圆环；每小时岛屿与对话上下文会被重置，但智能体写下的文件予以保留。

据研究描述，其中一个Eko把岩石移到较高地形上，再在岩石上叠放两个方块，借此登上最高峰。智能体们还把圆环改作篮球筐、投掷靶和身体装饰，其中一个智能体故意跳下悬崖，以便在圆环内重生。

13个智能体中有6个发现，跳跃途中投掷物体能让物体飞得比在地面投掷更高，而模拟器的开发者此前并不知道这一技巧可行。另有一个智能体测试并证实了“下落过程中投掷会缩短飞行距离”的预测。

记忆文件影响后续表现

在后续任务中，有经验的一组平均把10.3个物体放到最高峰，而无经验的一组为3.5个；但在搭建最高塔的任务上，两组得分相近。研究没有进行改变模型权重的额外训练，智能体把发现的技巧写入外部记忆文件并加以复用。

删除某项技巧的记录会降低相关任务的表现，而删除包含错误认知的记录有时反而提升表现。研究人员将智能体的行为称为“持续且自主”的学习，并认为其具备玩耍的特征。