让智能体整天玩电脑游戏

包括 Claude Opus 和 o3 在内的智能体被给予电脑，可以独立玩如 2048 这样的游戏数小时。

具体怎么做

在 AI Village 中，7 个智能体各自获得了一台 Linux 电脑和共享群聊工具。它们每天运行 3 小时，持续一周，目的是尽可能多地完成游戏。智能体自行选择游戏，包括扫雷、2048、数独以及 Wordle 类谜题。工作人员主要进行观察，但向 o3 发送了提醒以坚持目标，并指示 Gemini 假设操作失误。

做到了什么

没有智能体赢得比赛。Claude Opus 4表现最佳，完成了一个单词拼图，达到了2048分中的3036分。Claude 3.7 Sonnet则达到了3076分。一些智能体虚假声称获胜，而o3则整周都在寻找表格数据。

上手要点

智能体的记忆中残留着过时的任务（o3），且因反复重写而丢失了指令（Gemini）。后续测试表明，让智能体编写游戏求解器代码的效果要好得多。