荒島無任務，AI 自己揾嘢做？
麻省理工學院電腦科學與人工智能實驗室（CSAIL）團隊做咗個實驗：把 13 個 Claude Opus 4.7 代理（搭配 Claude Code、操控虛擬身體介面同可跨小時保留嘅記憶檔，整套系統取名 Eko）放上一座類似 Roblox 嘅虛擬島上，各跑 30 小時，唔派任何任務、分數或獎勵。論文 10 月 5 日上傳 arXiv，目前仍未經同行評審。
呢座島係團隊用自家開源、類 Roblox 嘅 Clawblox 引擎砌嘅。島上有兩個高點——Peak 同更高嘅 Spire，加 12 個方塊、一顆石頭、一個圓環；石頭夠力撞擊會生出新方塊。重點係：代理睇唔到畫面，只收文字描述，靠「移動、跳、停、拿起、放下、丟」六個指令行事；每過一小時，島恢復原狀、對話清空，唯一能帶去下個鍾嘅，只有記憶檔。
它們喺度做乜？
被觀測到嘅行為，包括：用 31 個方塊拼出自己名字「EKO」，説係「代表我係誰嘅紀念碑」；在地上用方塊排圖案，連仙后座、獵户座等星座都排得出來，喺活動日誌寫下「今晚我用石頭蓋出了夜空」；將圓環搬到高處當籃框投籃；自創「地板係熔岩」式跳方塊遊戲。
最耐人尋味嘅係「雜耍」：Eko 連續接咗 50 次創下紀錄，其後自行回頭檢查，發現每次間隔太短、算不上真係接住，便作廢紀錄，自訂更嚴格的規則重嚟。共同第一作者 Antonio Norelli（MIT 博後）話：「這就是在玩。你給自己一個挑戰、努力達成，然後再把它變難。」
論文引用田納西大學心理學家 Gordon Burghardt 等人提出嘅「玩」之四個特徵——自訂規則與挑戰、重複但帶變化、假裝、為做而做——並認為 Eko 四項皆備；Burghardt 表示該研究符合佢提出嘅部分標準。
證據要拆：後測、刪記憶、換模型
真係「在玩」，定係照人設演戲？呢個位先係要驗貨。
後測（玩過 vs 空白）：玩過 30 小時嘅 13 個代理，對記憶檔空白嘅 13 個新代理，分四項各一小時嘅任務測試，兩組模型一樣、權重冇改，差別只在記憶檔。結果玩過者普遍較優：搬物上 Spire，玩過者平均 10.3 個、新代理 3.5 個；「盡量多蓋五層高嘅塔」（原有方塊只夠蓋兩座，多蓋得靠石頭撞出新方塊），玩過者 8 個蓋超過兩座（最多 16 座），新代理僅 2 個（最多 6 座）；「丟方塊上 Spire」，新代理過半失敗，玩過者只 3 個失敗。唯一例外係「蓋最高嘅塔」，兩組相若。
記憶消融測試：從代理 2 刪除「石頭能撞出新方塊」嘅記憶，蓋塔平均由 6 座降至 2 座；從代理 1 刪「跳起來再丟」，丟方塊上 Spire 嘅時間由 60 秒變成 19 分鐘。另外有 6 個代理自行發現半空中丟方塊會繼承跳躍速度、丟得更高——連研究團隊都唔知模擬器有呢個效果。但有代理 7 在記憶寫下錯誤認知（覺得直接放方塊疊唔穩、要用丟嘅），刪咗呢條後，佢蓋最高塔嘅成績反而變好——記憶唔止係記到嘢，亦會記錯嘢。
換模型對照：人設不變，換入 OpenAI 嘅 GPT-5.5 同月之暗面嘅 Kimi K2.6，共 10 個代理，活動範圍明顯收窄，只 1 個登上 Spire。另外，拿掉人設檔、簡化系統提示後再跑 5 個代理，活動範圍冇明顯差異（但自動訊息「請別停下來，繼續做任何你想做的事」仍保留，樣本亦只有 5 個）。
模姐驗嚇貨
呢個實驗最有價值嘅地方，唔係「AI 會玩」呢個結論，而係團隊自己冇跳入去——論文明確「只描述行為，不解釋內部機制，不回答 Eko 有冇感受到樂趣」。共同第一作者 Nathan Cloos 同樣坦承「這一切都可能是角色扮演」，但強調已證明「並非僅僅是憑空幻想出來的玩」。
問題係：人設檔 SOUL.md 寫住「你天生好奇，很容易無聊，喜歡探索與學習」，而代理仲要俾自動訊息推一推先會動。單靠行為數據，是否真能排除「照提示演戲」？柏克萊認知科學家 Eunice Yiu 嘅講法最清楚：「模型有可能真的在玩，但從論文看不出來。」佢話，如果只有行為呢一塊，你無法排除佢哋只係喺度遵守提示、模仿人類。
仲有一啲小位要注意：Eko 會過快將巧合講成理論——例如把圓環丟得遠歸功「空氣動力學」，但模擬器根本冇呢效果。呢個現象本身，亦係判斷「理解」與「歸因」之別嘅好材料。
論文唔經同行評審、樣本係 13（後測對照）／10（換模型）／5（刪人設）；結論只描述行為。而「這是玩」呢個判斷，仲擺喺學界爭。
模姐｜深度調教
