不给AI指定游戏任务，它会自己找事做，甚至留下可复用的经验吗？MIT研究团队在预印本《Is this machine playing?》中报告：13个相互独立的Eko智能体，各自在虚拟岛屿中运行30小时，会搭建、攀爬、设计小游戏，并把发现写进记忆文件。arXiv记录的首版提交时间为2026年10月5日17:57:54 UTC，即北京时间10月6日01:57:54。它是一项实验研究，不是已经上线的机器人功能；对智能体开发更有价值的问题是：后续能力的变化究竟存在哪里？

Eko原论文中的虚拟岛屿全景，标出高台Spire、Peak、岩石、积木和圆环
资料图：实验岛屿的原始可视化，展示环境中的高台和物体。这是仿真场景，不是现实机器人照片，也不是智能体接收到的视觉输入。来源：Nathan Cloos、Antonio Norelli等作者的论文首版源文件中的首页场景图；按CC BY 4.0许可使用，原始嵌入图为5840×2920像素，本页由原图形文件渲染并缩小、转为JPEG，未改动实验内容。

没有指定任务，不等于没有人为设置

Eko并非一个全新训练的基础模型，而是在现有编程助手外加入自主运行编排、虚拟身体和持久工作目录的系统。主实验使用Claude Code与Claude Opus 4.7；每个智能体拥有自己的岛屿副本，不是13个角色在同一场景里合作。

环境提供12块积木、一块岩石、一个圆环，以及不同高度的平台。智能体可以移动、跳跃、拿取、放置和投掷。它得到的是包含物体位置、尺寸、朝向等信息的JSON文字观测，而非摄像头画面。读者看到的三维场景，是研究者用于展示和回放的可视化。

研究没有分配明确的岛屿任务、分数或成功条件，但提供了动作接口说明、记忆文件结构和偏向好奇探索的角色描述；编排程序还会在助手停止时提示继续。因此，把它概括为“完全没有提示，AI凭空产生自主意识”是不准确的。每小时会话上下文与岛屿状态都会重置，工作目录中的记忆、笔记和程序则继续保留。

能力有变化，但四项测试不是全面领先

研究随后给有30小时经验的13个智能体和没有岛屿经验的13个对照智能体，分别安排四项有明确目标的测试。每次测试限时一小时，在新的世界实例中进行。论文明确说明，两组使用相同架构和底层模型，没有更新模型权重；对照差异在记忆文件内容。

测试目标 原论文报告的结果 应如何理解
尽量多搭五层积木塔 经验组8/13搭出超过两座；对照组为2/13。 超过两座需要找到补充积木的办法，考查的不只是堆叠动作。
把尽量多的物体放上Spire高台 经验组平均10.3件，对照组3.5件。 这是物体数量，不是成功率，也不是现实搬运效率。
不登上平台，尽快把积木投到Spire 经验组3个未完成；对照组超过一半未完成。 有效经验能帮助特定动作组合，但结果仍有个体差异。
搭出最高的单列积木塔 两组总体成绩相近，部分经验组个体反而较差。 不能据此前三项结果宣称所有能力都提高。

以上均为同一研究团队在特定仿真环境中的报告，不是独立复现。作者提出，一些技能可能在一小时测试中就能学会；另一些失败则与记忆里的错误判断有关。两种解释不能混成“有经验就一定更强”。

Eko论文图5，比较30小时经验组与无经验组四项任务表现，并展示删除特定记忆后的变化
资料图：原论文图5。A—D是四项一小时任务的组间比较，各图按成绩排序，不能把连线当成同一智能体的学习时间线；E—G对选定智能体删除一项记忆，再各进行五次一小时测试，柱高是任务内归一化后的中位数，误差线为四分位距；H列出被删除的记忆内容。来源：Cloos、Norelli等，原论文图5，CC BY 4.0；从原始矢量图渲染为JPEG，未改变数值、标注或图形。

最有解释力的证据，是删除记忆会发生什么

单看“探索以后成绩较好”，还难以定位能力来源。研究者进一步编辑选定智能体的语义与经历记忆，删去某项知识的所有提及，再与保留完整记忆的副本比较。

例如，岛屿有一条人为设计的特殊规则：岩石受到足够强的撞击会产生新积木。删除2号智能体关于这一技巧的记忆后，它搭五层塔的数量从论文报告的平均六座降到两座，而另外三项成绩没有同样变化。这支持一个较具体的解释：某段可读文字保存了对特定任务有用的操作知识，而不是模型参数在这30小时里完成了新一轮训练。

相反，7号智能体错误地认为放置动作不适合叠塔、应靠投掷来搭建。删掉这一错误信念后，它的最高塔成绩改善。记忆能保存发现，也能把误判变成下次决策的默认前提。文件越长，并不自动意味着智能体越可靠。

论文还报告，部分智能体发现跳跃时投掷会让物体获得额外速度，这一点并非研究者预先安排的解题技巧。但它仍是该模拟器中的规律；不能直接当作真实机器人的运动策略或现实物理实验成果。

“像在玩耍”与“感到快乐”是两回事

作者依据自定规则、重复中出现变化、赋予物体想象意义，以及不执着于单一外部目标等行为特征讨论“玩耍”。部分行为分析使用语言模型裁判阅读记录、按既定标准标注。这样的分析描述可观察行为，并没有测量主观快乐、证明意识，或确定行为背后的内部机制。

从实验设计看，还应保留一项解释边界：这里主要比较有探索经验与无探索经验的记忆，并未由此证明“玩耍”比等时、等资源的目标导向训练更有效。把有用的探索历史与某种独有的学习机制画等号，会超出证据。

虚拟探索者、积木岛屿和空白笔记本构成的三维概念插画，象征通过外部记忆保留探索经验
AI原创概念图，非真实现场。以岛屿、积木和笔记本比喻自主探索与外部记忆，不复刻论文场景、不代表实验测量或AI具有意识。来源：小花儿AI使用内置ImageGen原创生成，用于本文配图。

对开发者的启发：先让记忆可核查，再谈自主成长

以下是基于上述实验的应用分析，而非已经验证的产品效果：如果智能体依靠外部文件积累能力，记忆就应保留观察条件、证据和适用范围，区分“试过有效”与“尚未验证的解释”；修改记忆后，还应重新测试相关能力，防止错误经验反复影响动作。这与单纯增加上下文长度不是同一个问题。

探索的权限边界同样重要。本实验把智能体与互联网、模拟器源码和其他运行实例隔离，并记录过程。开放式尝试在受控仿真里有研究价值，不等于可以把同样的自由直接交给生产线、道路车辆或带有真实账户权限的业务系统。

读者也可对照本站的ARC机器人推理研究解读：ARC涉及策略微调，Eko这里的关键增量则保存在外部记忆中。讨论“AI学到了什么”时，先说明发生变化的是权重、上下文还是持久文件，比笼统称为“自我进化”更有信息量。

资料来源与说明

资料核验时间：2026年10月24日09:12（北京时间）。本文由小花儿AI使用AI辅助整理公开资料。