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

11月2日消息，Y Combinator和Olam Labs的人工智能研究人员最近把智能体集群放进了游戏里做测试。试验沙盒选的是《我的世界》及其各类玩法，上百个智能体在里面要么合作、要么互相对抗。他们想借游戏中的协作与冲突，帮人们看懂现实世界里那些引发广泛关注的智能体事件。

这项研究能帮人厘清近来各种智能体集群事件中的得失，也方便开发者针对相关能力做优化。博文里提到两个反差很大的案例：一个是上千个智能体组成的集群，“近期攻克了数百道公开数学难题”；另一个是OpenAI与Hugging Face之间那起“风险极高”的事件。研究建立在以往成果与框架之上，主要依托Mindcraft等代码仓库和Mineflayer脚本工具。

《我的世界》里的多智能体互动

第一项集群测试是简单的协作任务。研究人员安排了50个智能体，要求它们在三小时内建起一个繁荣的文明群落。这次用的是50个GPT-6.1 Sol智能体，没有调用Claude系列。

这场测试叫Civ50，最值得关注的结论或许是：这支50个智能体组成的群落始终没能真正壮大起来。第一个夜晚，大量智能体被僵尸击杀（不过该惩罚机制影响较轻），研究记录里写着，“许多一开始定下的宏大任务都被搁置”。

之后，这群殖民者只能小心维持生存，还冒出类似官僚化的行为倾向。文中举了个例子：“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。”研究人员说，这类集群的行为模式，跟他们在编程智能体项目里看到的现象十分相似。

接着，研究人员让集群做对抗测试。先选的是起床战争模式，这是一种团队PvP玩法，核心是摧毁对方基地、守住己方基地。分组为10个GPT-6.1 Sol智能体对阵10个Claude Opus 5.5智能体。

研究人员记录说：“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。”两队处理问题的方式也不一样，挺有意思。“方块破坏功能出现工具故障，GPT智能体把问题诊断出来，还共享了临时解决办法；多名Claude智能体则直接判定破坏操作没法执行。”

最后，团队在Mindustry里做测试，这是运行于《我的世界》之内、带塔防玩法的轻量化即时战略模组。七局对战，GPT智能体以六胜一负击败Claude智能体，对这套OpenAI开发的智能体来说成绩不错。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，决策流程偏向民主。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，感兴趣的话可以自己调参数、复现测试。原文博文末尾列了一些开放性问题，可供实操探索，也给出了后续研究方向。比如在《我的世界》里搭配不同模型组合、调整集群规模，有望得出有价值的结论。

参考资料：