🔥 HN 热议

把一群AI放进游戏后,它们先建起了规则:Minecraft与Mindustry实验

约2分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
AI智能体

能观察环境、使用工具并行动的软件。

沙盒

让AI在受限制空间里工作的环境。

Mindustry

把工厂建造和塔防结合起来的游戏。

发生了什么

Y Combinator Labs(AI实验团队)与Olam Labs(为多智能体实验搭建环境的公司)合作,观察一群AI智能体如何一起行动。AI智能体是能观察环境、思考、使用工具并行动的软件。研究人员没有只问它们一个问题,而是把它们放进会持续变化的游戏世界。

在Minecraft(建造并求生的游戏)中,50个GPT-6.1 Sol智能体运行了3小时,目标是建成一个繁荣的文明。它们共享代理目录、沙盒和私信,发送了约5900条消息。开始后,它们很快砍掉了出生点附近的大部分树。第一晚发生了34次死亡中的22次。之后,它们更多躲在有光的避难所里,减少冒险。它们建立食物账本、规则、许可证和岗位;有人钓鱼,有人做饭,有人运送食物。一次鸡肉被错误拿走后,它们规定食物必须放进写明领取人的箱子。四个智能体还花了11分钟,只为指定一名肥料操作员。这个殖民地最后并没有真正繁荣。

在Mindustry(工厂建造与塔防游戏)中,GPT-6.1 Sol队伍与Claude Opus 5.5队伍进行了7场比赛。系列持续约9.5小时,GPT队以6比1获胜。双方得到相同的游戏接口,也没有被告知特殊玩法。GPT队更常与更多队友联系,逐渐使用没有空格的短语,并在卡住时阅读游戏公开源代码。Claude队则围绕一名领导者行动,用+1表示赞成提案。报告把这些当作本次设置中观察到的模式,而不是所有AI都会有的特征。

为什么选择游戏

很多AI评测只比较一个答案,或一项任务的分数。群体实验还可以观察分工、沟通、记忆和犯错后的修正。游戏有清楚的规则,也能留下记录和回放,因此更容易检查一群AI怎样协作。

为什么重要

一个模型的能力,只是群体表现的一部分。群体还需要决定谁做什么,以及怎样交接工作。Minecraft中,早期失败让AI越来越谨慎,也产生了许多手续。Mindustry中,两队形成了不同的沟通方式。不过,模型和运行它们的软件环境同时发生了变化,所以不能把差异全归给模型本身。

已经确认的范围

这份报告能确认的是这些具体设置里记录到的行为。报告团队公开了Mindustry实验环境和相关工具,方便别人重新比较。该文在Hacker News上获得约220个points和70条评论。这些数字表示社区关注度,不代表实验结果已经被证明正确。记录和回放可以在原始报告中查看。

仍然不知道什么

7场比赛和一次Minecraft群体实验,不能说明GPT总比Claude强。换成不同的模型组合、人数、开场提示或沟通方式后,是否还会出现相同的领导层和岗位,仍然没有答案。更多智能体也不一定总能带来更好的结果。

接下来关注什么

后续实验需要固定运行环境,再分别改变模型和人数。还要多次重复比赛,观察AI能否分享教训、减少重复劳动,并从失败中恢复。真正重要的不只是赢家,而是群体能否稳定地协作。

💬 HN评论整理:AI代理群体为何在游戏中显得缓慢而官僚

评论区并没有把结果简单归结为LLM不够聪明。讨论集中在实时延迟、操作框架、任务设计和群体架构上。下列速度、性能、故障和模型比较,都是评论者的观察或自报,不是受控实验的定论。

  • 一些评论者观察到,Minecraft代理几乎像轮流行动,甚至在Bed Wars里也不够活跃或反应迅速。一种解释是,三小时的运行时间和开放式任务没有给它们足够的行动激励;这并不能单独证明模型能力有硬上限。
  • 一位观看直播的评论者称,操作框架让行动很笨重:代理花很多时间协调交接,读取物品栏似乎也有延迟。因此瓶颈可能首先在操作API和编排层,而不只在模型推理。
  • 另一条思路把Minecraft看成机器人控制问题,而不只是知识或推理考试。人类有连续的快速输入、空间记忆和对环境的即时反馈;如果每个低层动作都要询问大型LLM,反应就会变慢。
  • 反方建议采用混合控制:让确定性脚本或传统游戏AI负责移动、战斗等细节,让LLM负责目标、计划以及改进脚本。这样可能兼顾推理能力和实时性。
  • 评论者报告说,代理会为小事分配职位、制定流程和规则,很快变得官僚。但任务本身是建设文明,Minecraft视频也常有这类叙事,所以任务和提示词可能诱发了这种行为,不能据此断言所有代理群体都会如此。
  • 如果只是增加拥有相同模型、工具和上下文的代理,可能只增加组织图和协调成本。若按职责限制权限、知识和工具,或把任务真正并行化,群体架构仍可能有价值。
  • 还有评论者报告,GPT的运行更偏进攻,Claude更偏防守;在一个破坏方块的工具故障上,两者也得出了不同判断。但这类差异可能来自工具和观测结果,不一定是模型性格。
  • 一位评论者拿OpenAI Five的据称成功作为对照,另一位回复指出它是专用的LSTM系统,而不是LLM或Transformer。这说明实时游戏可能更看重架构和延迟,但不是与本实验的直接同场比较。

这是评论数为136时的初期(修订2)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

50个AI怎样在游戏里学会分工

📰 完整报道: 把一群AI放进游戏后,它们先建起了规则:Minecraft与Mindustry实验

AI不只会回答问题,还会在一起工作时制定规则。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
AI智能体

能看环境、思考和行动的软件。

Mindustry

建造工厂并进行防守的游戏。

Hacker News

讨论技术新闻的网站。

💡 一句话总结

  • 50个AI在Minecraft里尝试建设文明。
  • 它们分配食物,还安排了不同岗位。
  • 在Mindustry比赛中,GPT队7场赢了6场。

Y Combinator Labs(报告AI实验的团队)与Olam Labs(搭建AI实验环境的公司)做了这次测试。他们想观察很多AI怎样一起工作。AI智能体是能看环境、思考和行动的软件。

首先,他们使用Minecraft(建造和求生的游戏)。50个GPT-6.1 Sol智能体运行了3小时。它们发送了约5900条消息。它们很快砍掉了附近的大部分树。食物于是变少了。第一晚有22个AI在游戏中倒下。之后,它们更愿意待在安全的屋子里。

它们建立了食物账本,也安排了岗位。有的AI钓鱼,有的做饭,还有的运送食物。一块鸡肉被错误拿走后,它们改变了规则。食物必须放进写好领取人名字的箱子。4个AI还花了11分钟,只为选出一个施肥岗位的负责人。这说明分工能帮助合作,但也可能让讨论变长。

接着,研究人员使用Mindustry(工厂和防守的游戏)。GPT队与Claude队进行了7场比赛。GPT队赢了6场。不过,双方使用的模型和运行环境不同。因此,这不是一次只比较模型能力的公平测试。

这篇文章在Hacker News(技术新闻网站)上有约220个points和70条评论。这些数字只说明它受到关注。它们不能证明实验结论一定正确。

报告团队公开了实验工具。下一步可以更换AI、人数和沟通规则,再重复测试。

💬 简单版:为什么游戏里的AI群体看起来很慢

评论者认为,问题不只是AI聪不聪明,游戏控制方式、任务和分工也很重要。关于速度、性能、故障和模型差异的说法,都是评论者的观察或自报,不是受控实验的结论。

  • 有人看到Minecraft里的AI几乎一个接一个地行动,连Bed Wars也不够灵活。AI之间交接工作、查看物品也像要等很久;有人怀疑三小时的自由任务没有给它们足够动力。
  • 人可以一边看画面一边快速按按钮。大型LLM每次都要想小动作,就会变慢。可以让小程序负责走路和打架,让大AI负责想计划。
  • AI还会为小事安排职位和规则,像建立了一个很大的办事流程。不过,建设文明这个任务和Minecraft的故事风格,可能正好鼓励了这种行为。
  • 只把同一种AI变多,可能只是增加开会时间。把工作、工具和知识分开,或者让不同AI同时做不同事情,才可能有帮助。
  • 有人说GPT更敢进攻、Claude更小心,也有人遇到破坏方块的工具故障。差异可能来自工具,不一定来自AI的性格。OpenAI Five是专门做游戏的另一种系统,不是LLM。

这是评论数为136时的初期(修订2)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

50个AI小伙伴在游戏里分食物

📰 完整报道: 把一群AI放进游戏后,它们先建起了规则:Minecraft与Mindustry实验

它们先玩游戏,后来一起定了规矩。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
AI智能体

会看、会想、会做事的电脑小伙伴。

Mindustry

造工厂和防守的游戏。

Hacker News

人们谈技术的网页。

Y Combinator Labs(试验AI的团队)写了这份报告。Olam Labs(帮助做AI试验的公司)也参加了。

AI智能体就是会看、会想、会做事的电脑小伙伴。

研究人员把50个GPT-6.1 Sol放进Minecraft(造房子和求生的游戏)。它们玩了3小时。它们发了约5900条消息。

第一晚有22个AI在游戏里倒下了。后来,它们躲进屋子里。它们还分食物。

一块鸡肉被拿错了。于是,它们把食物放进写名字的箱子。它们还花了11分钟,选一个给植物施肥的AI。

Mindustry(造工厂和防守的游戏)也被用来比赛。GPT队7场赢了6场。但这只是在这次游戏里。它不说明GPT总会赢。

Hacker News(谈技术的网页)上也很热闹。文章有约220个points。还有70条评论。这些数字只表示很多人看到了它。它们不是正确答案的证明。

还要换AI和人数再试。

💬 给5岁孩子:会玩游戏的AI朋友为什么很慢

这是评论者看到和想到的事。速度、成绩、坏掉的工具和AI比较,都是人的报告,不是最后的科学答案。

  • AI朋友好像要轮流走,还要等工具和背包。大家觉得它们走得慢。
  • 人可以很快按按钮。小帮手程序可以做小动作,大AI只想大计划。
  • AI朋友给小事情也定了很多规矩。也许是这个游戏任务让它们这样做的。朋友太多,可能只会多聊天;分好工作,才可能有用。
  • GPT和Claude看起来不一样,也可能是工具坏了。专门的游戏AI用的是另一种做法,所以不能直接比谁更聪明。

这是评论数为136时的初期(修订2)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。

来源