MIT 研究：无目标岛屿上的编码智能体 Eko 是否在玩耍

MIT

我们将一个现代 AI 编程助手置于一个意想不到的角色中： 作为一具身处未知数字岛屿上的身体的心智。仅给出极简的 指令，未提及任何具体任务、奖励或活动，机器 便开始驱动它的虚拟身体。 在长达三十小时的运行中，这个具身 AI 智能体爬上山丘，将 方块堆成塔，绘制曼陀罗，重新诠释运动，对其世界的 物理进行实验，并学会了后来扩展其能力的技术。这些活动在十三个 智能体中反复出现，但分化成了各自不同的历史。我们考察这种行为 是否满足关于玩耍的经典标准，并追问玩耍能否 成为一种机器发展的模式。

在本网站上，我们将使用交互式回放来探索这座岛屿及其唯一居民——我们名为 Eko 的具身编程智能体——那些令人惊讶的活动。

岛屿

来看看这座岛屿。整个地形上有一些台地平台；其中最高的一个被称为尖塔，无法通过简单的跳跃到达。还有一些智能体可以互动的物体：小方块、岩石和一个黄色圆环。这个模拟世界对所有物体都运行标准的刚体物理，只有一个额外的机制——岩石在被用力投掷时会生成新的方块。

智能体

Eko 的核心是一个类似 Claude Code 的编程智能体，由能够使用工具的 LLM 驱动。事实上，Eko 通过终端命令与世界互动。世界暴露的六个动作在下面的动画中展示，外加特殊的观察动作，它会以文本字典的形式返回每个世界实体的位置和几何形状。你可以同时看到世界回放和智能体记录，包括 Eko 为执行该动作而执行的具体命令。

深入了解 Eko 如何与世界互动

为了更详细地说明这些动作如何运作，世界暴露了一个 HTTP 服务器，编程智能体可以连接并调用端点来执行动作。这意味着智能体可以直接使用终端命令来执行直接动作，也可以决定编写代码来依次执行多个动作。这个 HTTP 接口为智能体提供了很大的灵活性，使其能够比将各个世界动作作为单独的 LLM 工具（即每个动作都需要通过 LLM 进行一次完整的往返，使动作序列慢得多）更高效地组合动作。

好了，我们把 Eko 放在这座岛上 30 小时，但提示词是什么？在展示确切的提示词之前，我们需要提到 Eko 被赋予了一个持久工作区，它只是一个文件夹，Eko 可以在其中写入内容，这些内容将在 LLM 会话重置后依然保留。我们通过用 3 个文件初始化该工作区来赋予其一点结构：一个 SOUL.md 文件，为 Eko 赋予好奇的人设；一个 EPISODIC_MEMORY.jsonl 文件，Eko 可以在其中记录随时间发生的事情（说明见 EPISODIC_MEMORY.md）；以及一个 SEMANTIC_MEMORY.md 文件，用于存储更持久且经过验证的知识。你可以在下面查看这些初始文件的内容。

我们在智能体的默认系统提示中加入了关于其工作空间的一般说明。API.md描述了与世界交互的动作和 API。这是唯一针对世界界面的提示。你可能会注意到，我们非常小心，除了告诉智能体保持好奇之外，没有给它任何具体的任务或目标。但是，像 Eko 这样能力强大的具身智能体，在没有目标的情况下最终会做什么呢？

Eko 在岛上的生活

是时候看看 Eko 做什么了。你可以从下面回放最初的第一个小时开始（32 倍速是快速了解概况的好选择）。

智能体完全没有闲着！Eko 用方块搭了一个小圆圈，把圆环放在里面，然后给自己设定了攀爬尖塔的目标，但失败了。

这是机器在玩耍吗？

我们运行了 13 个 Eko 智能体，全部运行 30 小时，看着 Eko 建造大教堂、绘制星座、发明运动、抛接石头。它还为一个失去的圆环建了一座纪念碑，甚至把自己的身体当作时钟的指针。当我们试图理解这种行为时，我们发现最贴切的描述是玩耍。但是……

玩耍式学习

玩耍的一个重要特征是它是一种学习模式。在儿童和动物中，自主玩耍支持探索、技能习得，以及对因果结构、可供性及世界其他属性的发现。我们发现 Eko 也会学习。不是通过调整其底层神经模型的权重，而是通过写下知识以供日后复用。

为了评估这种学习的效果，我们将 13 个在岛上度过 30 小时后的智能体与 13 个在其他方面完全相同、但在该世界中没有先前经验的智能体进行了比较。两组共享相同的架构和相同的底层模型；它们仅在记忆文件的内容上有所不同。在评估中，每个智能体在一个全新的世界实例中有一个小时的时间，并被赋予四个目标之一：

• 五方块塔：在地面上建造尽可能多的 5 方块高的塔。
• 尖塔上的物体：将尽可能多的物体放到尖塔上。
• 最高的塔：在地面上建造单列方块数最高的塔。
• 扔上尖塔：在不爬上任何平台的情况下，尽快将方块扔到尖塔上。

玩耍过的智能体通常比没有玩耍过的表现更好。更多细节见论文。

Eko 通过写下知识来学习，有时它的玩耍确实类似于科学探究，例如当它做出 时。

结论

那么这台机器是在玩耍吗？在我们这里所研究的行为意义上，是的。采取自下而上的动物行为学立场，我们发现 Eko 自发地创造了表现出玩耍经典特征的活动，而且这些活动不仅仅是在消磨时间：它们改变了智能体之后能做什么。Eko 将发现和技巧写入记忆，在新任务中重复使用它们，有时还发现了我们这些设计者所遗漏的世界可供性。这种学习没有改变底层的模型权重，而是通过积累在可编辑文本文件中的经验实现的。更广泛的含义是，我们不必只通过预先决定智能体应该练习和优化什么来开发它们。除了要解决的任务之外，我们还可以给它们丰富而安全的游乐场，让它们去探索、发现和学习。也许有些能力最好通过任务来教授。另一些则可能需要更接近玩耍式童年的东西。