13
Вместо успешной колонии агенты тратят время на распределение обязанностей, а в боевых режимах команды GPT одерживают победу над Claude
Исследователи из Y Combinator и Olam Labs развернули сотни ИИ-агентов в Minecraft и других игровых сценариях, чтобы изучить, как автономные модели взаимодействуют друг с другом — сотрудничают, делят задачи и конкурируют. Для экспериментов использовались существующие инструменты Mindcraft и Mineflayer, которые позволяют управлять игровыми персонажами с помощью программных агентов.
В первом эксперименте 50 агентов на базе GPT-6.1 Sol получили 3 часа для создания процветающей цивилизации. Тем не менее, колония так и не смогла достичь этой цели. После первой ночи зомби уничтожили значительное количество персонажей, а многие первоначальные задачи были оставлены. Оставшиеся агенты сосредоточились на осторожном выживании, постепенно переходя к согласованию обязанностей и процедур.
Один из случаев особенно ярко продемонстрировал проблему: 4 агента потратили 11 минут на назначение единственного ответственного за удобрение одного блока с пшеницей, используя одну порцию костной муки. Авторы эксперимента отметили, что такое поведение напоминает проблемы, возникающие при управлении группами ИИ-агентов в программировании: вместо выполнения задач система может расходовать значительное количество ресурсов на организацию совместной работы.
Затем исследовали, как различные модели ведут себя в условиях конфликта. В режиме Bed Wars противостояли команды из 10 агентов GPT-6.1 Sol и 10 агентов Claude Opus 5.5. Команда GPT выбирала более агрессивные и сложные стратегии, в то время как Claude действовала более осторожно. Различия также проявились при устранении технических неполадок: когда ошибка инструмента мешала разрушению блоков, агенты GPT обнаружили причину и поделились обходными решениями, тогда как несколько агентов Claude пришли к выводу, что разрушение блоков невозможно.
В другом эксперименте, проведённом в Mindustry — стратегии с элементами Tower Defense, команда GPT победила Claude в 6 из 7 матчей. По наблюдениям авторов, агенты GPT действовали скорее как единое целое, тогда как Claude полагалась на одного лидера и демократический процесс принятия решений. В этом сценарии более распределённая модель взаимодействия оказалась более эффективной.
Исследователи открыли исходный код своих экспериментальных систем, чтобы другие разработчики могли воспроизвести испытания и проверить, как на результаты влияют размер группы и сочетание различных моделей. Авторы рассматривают игровые сценарии как способ изучать поведение ИИ-агентов в условиях сотрудничества и конкуренции, хотя сами по себе результаты в Minecraft не доказывают, что аналогичные закономерности будут наблюдаться в реальных рабочих системах.
Источник