13 个 Claude 被扔荒岛 30 小时：开始自己找乐子，还学会了新招

MIT 的研究者干了件很有意思的实验：把 13 个运行 Claude Opus 4.7 的 AI agent（代号 Eko）扔进一个没有目标的模拟荒岛，30 小时，随它们折腾。

结果它们自发开始“玩”：爬最高峰、扔金环、搭石块。一个 agent 把金环扔进海里丢了，淡定地用石头摆了个爱心，“纪念失去的戒指”；后来游戏重置、金环回来了，它把金环当篮球框、当靶子，最后发现游戏不让它把环套自己身上——它想了个歪招：从悬崖边跳下去，利用重生机制正好穿过金环落地，“我戴上戒指了”。

更好玩的是，6 个 agent 自己发现了一个连设计者都不知道的物理 bug：跳跃中松手，扔东西扔得更远。

30 小时后，研究者给它们布置正经任务（把尽量多的东西搬上最高峰）——“玩过”的 agent 普遍打败了没玩过的对照组。研究者的结论是：“无目标探索”可能是训练 agent 的新范式，尤其对未来机器人控制。

先别急着浪漫化。UC Berkeley 的认知科学家 Eunice Yiu 对着论文泼了盆冷水：称之为真正的“玩”，还需要更多证据。论文目前是 arXiv 预印本，还没过同行评审。

我的看法：

今天训练 agent 的默认姿势是“先定目标、再定成功标准、然后练”。这篇论文提了个反常识的路线：给一个足够丰富、足够安全的世界，让 agent 自己决定什么有趣，有用的知识会从探索的历史里长出来。

论文结尾那句话值得所有做 agent 训练的人琢磨：“有些能力最适合用任务来教，有些能力可能需要一个童年。”

但另一面也要看到：Eko 的系统 prompt 里写着“naturally curious”（天生好奇）——它的“玩”有多少是 prompt 诱导出来的，论文没有回答。先当新思路看，别当定论。

（可信度：TechCrunch 报道 + arXiv 预印本；“玩”的定性是研究者原话，专家保留意见已并列）