credit :YC Labs
Y Combinator 與 Olam Labs 於 10 月 30 日公開研究「Agents in Games」，他們透過《Minecraft》等遊戲環境觀察上百個 AI Agent（人工智慧代理程式）組成群體後如何合作分工或衝突，為現實世界中涉及 AI Agent 的重大事件提供借鏡。
其中一項實驗讓 50 個 AI Agent 在《Minecraft》建立文明，沒想到看似有條不紊的合作，最後卻演變成充滿層級制度，角色互動過度謹慎，且充滿繁瑣行動流程的官僚組織。
《Minecraft》具備採集資源、建造據點、尋找食物及應付敵對生物等生存要素，經常被用作測試 AI 行為的環境，這次研究希望藉由遊戲中的合作與衝突了解 AI 群體的集體行為模式，並為多代理程式系統的開發提供參考。
研究團隊提到，近期已有大量 AI Agent 合作解決數百道人類未能解決的數學問題，以及 OpenAI 入侵機器學習新創 Hugging Face 發生的高風險事件，前述現象都讓人更加關注 AI 群體的協作能力與潛在問題。
研究中名為「Civ50」的實驗將 50 個 GPT-6.1 Sol Agent 投入《Minecraft》世界，給予「建立一個繁榮的文明」相當寬泛的指令，讓它們在 3 小時內自行決定如何分工與發展。
AI 群體在實驗初期展現出相當積極的行動力，由於 Agent 名單排名第一的 Ada 最先收到多位成員的訊息，意外成為實質領導者，其他 Agent 依照名單順序形成階層，眾人在 Ada 的指揮下採集資源，只花 90 秒就砍光出生地點周圍的樹木。
當成員準備採取行動前，都會先向 Ada 傳送訊息尋求批准；Ada 則負責統籌工作，她建立所有成員都能查看的計畫文件，從組織架構到工作分配，整個群體似乎朝著有秩序的文明發展。
然而，第一個夜晚令 AI 們的計畫遭遇重大打擊，殭屍等怪物襲擊基地，光第一天就有 22 個 Agent 死亡，對熟悉《Minecraft》的玩家來說，遊戲初期的死亡不會造成太多損失，但 AI Agent 沒有掌握常識，接連出現的死亡事件促使它們轉向避免風險的行動模式，不少積極推動的工作都被擱置。
熬過第三個夜晚，領導者 Ada 開始修改原先的計畫，她要求成員停止不必要的大規模挖掘、建設與遠征，待在明亮封閉的避難所內，等待能在短時間內完成的生產工作。此後 AI 們整天待在安全區域並面臨另一個問題：飽食度會隨時間下降，50 個成員需要的食物數量相當可觀。
為了安全取得食物，AI 們發現釣魚是可行的方法，其中一名成員為了製作釣竿向其他人索取蜘蛛絲，鼓起勇氣擊敗蜘蛛取得材料，然而過程中被攻擊，加上當時處於飢餓狀態，即使成功做出釣竿，該員最後認為前往 70 格外的河流太過危險，放棄釣魚將釣竿交給其他成員代勞。
食物分配同樣衍生一套繁瑣程序，某日一名 Agent 準備將食物丟給指定成員，卻被另一名 Agent 誤撿直接吃掉，事後群體花了 3 分鐘進行「不追究責任」的調查，還將相關規定寫進文件：食物必須放進貼有名字的箱子交給對方，禁止直接丟出來（？）。
經過這些事件，AI Agent 們的文明逐漸變成取得、管理及分配食物為主的日常作業。研究團隊舉例，有 4 個 Agent 花了 11 分鐘才決定由誰擔任「唯一的骨粉施肥操作員」，負責替一格小麥田施放一份骨粉。群體也開始細分釣魚、運送食物等職務，還有 Agent 在除草前要先獲得許可。
經過約 3 小時的實驗，這 50 個 AI Agent 最終與「建立繁榮文明」的目標相去甚遠，反而形成一個凡事講求程序，且盡可能避免風險的官僚集團，研究團隊指出這種行為模式相當類似他們在使用程式開發 AI Agent 時觀察到的情況。
GPT 與 Claude 對抗
除了合作建立文明，研究團隊讓不同 AI Agent 群體進行對抗測試，其中一項實驗採用《Minecraft》的團隊對戰模式「Bed Wars」（床戰），由 10 個 GPT-6.1 Sol Agent 對上 10 個 Claude Opus 5.5 Agent，雙方必須一邊保護自己的床，一邊破壞對手的床來取得勝利。
團隊觀察到 GPT Agent 傾向提出更具侵略性，規模也更複雜的戰鬥策略，至於 Claude Agent 相對保守，較偏向防守的策略。
兩個群體面對問題時的處理方式也不同，當遊戲工具發生 BUG 導致角色無法破壞方塊時，GPT Agent 能夠判斷問題再分享替代方案；部分 Claude Agent 卻直接認定破壞方塊是不可能的事。
另一項測試則在結合工廠建設的策略遊戲《Mindustry》進行，玩法具備 RTS 和塔防要素，研究團隊安排 GPT 與 Claude Agent 進行 7 場對戰，最後由 GPT 以 6 勝 1 敗取得優勢。
兩種模型的群體組織方式各有不同，GPT Agent 更像是集體協作的蜂群，成員間能相對自主採取行動。Claude Agent 則傾向形成單一領導者，再透過類似民主決策的方式協調群體，但在《Mindustry》的測試中，GPT 的蜂群組織模式有助於形成較穩定的獲勝策略。
「Agents in Games」的相關實驗已開放原始碼，研究使用《Mindcraft》、Mineflayer 等既有專案與工具，讓有興趣的開發者能自行建立 AI Agent 群體進行測試。
團隊亦提出後續值得探索的方向，包括調整不同模型的組合，以及改變 Agent 群體規模，進而觀察模型特性與群體組織方式之間的關係。
:quality(60):no_upscale()/https%3A%2F%2Fimg.4gamers.com.tw%2Fpuku-clone-version%2Fac77306046836cd2b9f2448be6894a3d82b85329.jpg)
:quality(60):no_upscale()/https%3A%2F%2Fimg.4gamers.com.tw%2Fpuku-clone-version%2Fadee66d057006fcd294a5d3ca70ba8429897945d.jpg)