Y Combinator 团队用《我的世界》测试 AI 智能体集群：GPT 对战 Claude 六胜一负

研究者在《我的世界》测试 AI 智能体集群：协作容易官僚化，对战 GPT 胜率更高

IT之家 11 月 2 日消息，Y Combinator 与 Olam Labs 的人工智能研究人员近期在游戏场景中测试了智能体集群。研究选用《我的世界》及其各类玩法作为试验沙盒，让上百个智能体在其中协作或者相互对抗。研究思路是，借助游戏内的协作与冲突，帮助人们理解现实世界里那些引发广泛关注的智能体事件。 IT之家注意到，这项研究有助于厘清近期各类智能体集群事件里的利弊得失，方便技术开发者对相关能力进行优化。博文提到了两个反差鲜明的案例：一个是上千个智能体组成集群，“近期攻克了数百道公开数学难题”；另一个则是 OpenAI 与 Hugging Face 之间那起“风险极高”的事件。本次研究建立在以往的成果与框架之上，主要依托 Mindcraft 等代码仓库以及 Mineflayer 脚本工具。 《我的世界》中的多智能体互动 第一项智能体集群测试是简单的协作任务。在该测试环节，研究人员安排了 50 个智能体，要求它们在三小时内搭建起繁荣的文明群落。本次测试使用了 50 个 GPT-6.1 Sol 智能体，没有调用 Claude 系列智能体。 这场名为 Civ50 的测试，最值得关注的结论或许是：这支由 50 个智能体组成的群落始终没能真正发展壮大。第一个夜晚，大量智能体被僵尸击杀（但该惩罚机制影响较轻），研究记录显示，“许多一开始定下的宏大任务都被搁置”。 在此之后，这群殖民者只能小心翼翼维持生存，还出现了类似官僚化的行为倾向。文中举了一个例子：“四个智能体花了 11 分钟，专门任命一名‘唯一肥料操作员’，而任务仅仅是为一块小麦田使用一份骨粉。”研究人员表示，这类智能体集群的行为模式，和他们在编程智能体项目中观察到的现象十分相似。 接下来，研究人员安排智能体集群开展对抗测试。首先选用起床战争模式，这是一种团队 PvP 玩法，核心是摧毁对方基地、守住己方基地。测试分组为 10 个 GPT-6.1 Sol 智能体对阵 10 个 Claude Opus 5.5 智能体。 研究人员记录：“GPT 智能体构思出的进攻策略更加激进、复杂，Claude 智能体则偏向防守。”两支队伍处理问题的方式差异也很有意思。“方块破坏功能出现工具故障，GPT 智能体完成问题诊断并且共享临时解决办法；多名 Claude 智能体直接判定无法执行破坏操作。” 最后，研究团队在 Mindustry 中开展测试，这是一款搭载塔防玩法的轻量化即时战略模组，运行于《我的世界》之内。七局对战里，GPT 智能体以六胜一负击败 Claude 智能体，对这套 OpenAI 开发的智能体来说是不错的成绩。研究人员总结，GPT 智能体更像一个统一的蜂群，Claude 智能体则设有单一领导者，采用偏向民主的决策流程。在 Mindustry 这个场景下，蜂群模式更容易形成稳定取胜的策略。 这套智能体集群项目已经开源，如果感兴趣，你可以自行调整参数、复现测试。原文博文末尾列出了一些开放性问题，可供实操探索，也给出后续研究方向。比如，可以在《我的世界》中搭配不同模型组合、调整智能体集群规模，有望得出有价值的结论。 参考资料： https://labs.ycombinator.com/projects/games/index.html