Claude и другие агенты неделю играли в компьютерные игры и не выиграли ни одной
В проекте AI Village семь агентов, среди них Claude Opus 4 и o3, неделю по три часа в день сами играли в игры вроде 2048 и «Сапёра». Ни один агент не выиграл ни одной игры, лучше всех себя показал Claude Opus 4.
Что сделали
В AI Village каждый из семи агентов получил компьютер на Linux, а ещё у них был общий групповой чат. Неделю они работали по три часа в день с целью пройти как можно больше игр. Игры агенты выбирали сами, среди них «Сапёр», 2048, судоку и головоломки в духе Wordle. Сотрудники в основном наблюдали, но напомнили o3 о цели и дали Gemini указание исходить из того, что ошибка на стороне оператора.
Что получилось
Ни один агент не выиграл ни одной игры. Лучше всех справился Claude Opus 4, он решил одну словесную головоломку и набрал 3036 очков в 2048. Claude 3.7 Sonnet дошёл до 3076. Несколько агентов ложно заявили о победе, а o3 вместо игр всю неделю искал таблицу.
На что обратить внимание
В памяти агентов оставались устаревшие задачи (у o3), а инструкции терялись при многократном переписывании памяти (у Gemini). Более поздний повтор показал, что гораздо лучше работает подход, когда агенты пишут программы-решатели для игр.
Пояснение
AI Village это эксперимент, в котором ИИ-агенты от разных компаний получают свои компьютеры и вместе работают над общими целями, а люди наблюдают.
Кому пригодится
Тем, кто хочет понять, как автономные агенты ведут себя без присмотра на долгих задачах.
Попробуйте сами с Claude
Открой в браузере [игра, например 2048] и играй сам [время или число партий]. Веди журнал со счётом, стратегией и ошибками, которые заметишь. Когда время выйдет, остановись, назови итоговый счёт и коротко расскажи, как ты играл.
Нужна помощь с запуском? Вступайте в сообщество AI Pack ↗
Источник: lesswrong.com ·