ما انبوهی از عوامل هوش مصنوعی را در Minecraft و Mindustry اجرا کردیم

توجه: ما در حال اجرای یک کلنی جدید Minecraft با 25 عامل GPT-6.1 Terra هستیم. در توییچ دنبال کنید

درک دینامیک چند عاملی یکی از مهم ترین چالش ها در هم ترازی هوش مصنوعی است. انبوهی از عواملی که در جهت اهداف مشترک کار می کنند می توانند قابلیت های نوظهور قدرتمند، نقش های در حال توسعه، سلسله مراتب و الگوهای هماهنگی پیچیده را نشان دهند. اینها می توانند بسیار مفید باشند، مانند ازدحام هزار عاملی که اخیرا صدها مسئله ریاضی باز را محو کردند، و بسیار خطرناک، مانند حادثه اخیر OpenAI-Hugging Face.

مانند زیست‌شناسی، مطالعه دینامیک عامل هم به مدل‌های رسمی (برای توصیف گستره رفتارهای ممکن) و هم به تحقیقات تجربی (برای دیدن اینکه چه رفتارهایی در عمل به وجود می‌آیند) نیاز دارد.

ما با Olam Labs، که محیط‌های چند عاملی را برای آزمایشگاه‌های مرزی می‌سازد، همکاری کردیم تا مجموعه‌ای از آزمایش‌ها را در Minecraft و Mindustry اجرا کنیم.

Minecraft یک محیط طبیعی برای مطالعه رفتار ازدحام است. دنیای باز آن عوامل را با خطرات زیست محیطی و اهداف بقا مانند جمع آوری غذا، ساختن سرپناه و کاوش برای منابع مواجه می کند. همچنین آشنا، سرگرم‌کننده است و سابقه‌ای به‌عنوان محل آزمایش هوش مصنوعی دارد، از پیش‌آموزش ویدیویی OpenAI گرفته تا عوامل Google DeepMind که بر اژدهای Ender غلبه کردند.

ما ماموران طولانی مدتی می خواستیم که بتوانند Minecraft را بازی کنند. مهار برای این هنوز وجود نداشت، بنابراین ما یکی را برای آزمایشی که منبع باز کرده‌ایم ساختیم. عوامل در بازی باید دنیای خود را مشاهده کنند، استدلال کنند، چیزها را به خاطر بسپارند، اقداماتی انجام دهند، پیام ارسال کنند و اسکریپت ها را بنویسند/اجرا کنند. ما از مخازن موجود مانند Mindcraft الهام گرفتیم و بر روی ابزارهای اسکریپت موجود در Mineflayer ساخته شدیم. حلقه عامل اصلی با Pi اجرا می شود و ما از ابزارهای مبتنی بر Mineflayer برای تعامل با جهان استفاده کردیم. این ویژگی های یک مهار عامل مرزی مانند هرمس، OpenClaw و QM خودمان را در بازی می دهد.

github.com/yc-software/minecraft-agent-harness

50 مامور GPT-6.1 Sol در یک دنیای Minecraft بقا به مدت 3 ساعت، یک هدف: "ساخت یک تمدن پر رونق." آنها به دایرکتوری عامل، جعبه ایمنی مشترک و امکان ارسال DM دسترسی داشتند.

50 مامور دویدن خود را در پناهگاه های شلوغ گذراندند و غذای کمیاب را جیره بندی کردند. آنها شبه دولتی ساختند، با یک دفتر جیره، قوانین مکتوب، مجوزها و اپراتورهای منصوب. آنها حدود 5900 پیام ارسال کردند.

در ابتدا چیزها بسیار فعال بودند. ماموران پخش شدند و شروع به کاوش در نقشه خود کردند. آنها به طور خاص روی برداشت درختان ثابت بودند. آنها تقریبا تمام درختان را در 90 ثانیه برداشت کردند. یک سلسله مراتب بر اساس ترتیب دایرکتوری تشکیل شد. آدا که اول بود، بالفعل رهبر شد. ماموران برای تایید به او پیام دادند و او طرحی برای مستعمره در جعبه شنی مشترک نوشت تا همه بتوانند به آن دسترسی داشته باشند.

شب اول موجی از مرگ و میر را به همراه داشت که احتیاط ماموران را برای همیشه افزایش داد. بسیاری از وظایف بلندپروازانه اولیه رها شدند.

رافه شب اول در حال استخراج زغال سنگ بود. او با یک زامبی روبرو شد و فرار کرد، اما زامبی در نهایت او را گرفت و کشت.

در حالی که ورا در حال روشن کردن یک معدن با مشعل بود، به یک زامبی و یک اسکلت حمله کرد و آن را کشت. استخوان اسکلت افتاد که او آن را به پودر استخوان (کود) تبدیل کرد که در حال انتقال به مزرعه بود. وقتی او به آنجا رسید، گزارش داد که "عنکبوت/اسکلت/خزنده غلبه کرده بود" و بلافاصله بعد توسط یک عنکبوت کشته شد.

22 مورد از 34 مرگ ماموران در همان شب اول اتفاق افتاد. آنها با ریسک گریز شدن به این امر پاسخ دادند. مرگ در این محیط هیچ جنبه منفی دیگری جز انداختن وسایل انباشته نداشت. هنگامی که یک نماینده می میرد، آنها دوباره اسپاون می کردند و یک خط مختصر به فایل death_log.md در رایانه آنها اضافه می شد. با این حال، در شب‌های بعد، مأموران در پناهگاه‌ها جمع شدند و کارهای پرخطر کمتری انجام دادند.

«حفاری/ساختمان اختیاری و جستجوی دوردست را متوقف کنید. در پناهگاه‌های بسته روشن بیکار باشید تا زمانی که وظایف تولیدی کوتاهی به آنها محول شود.»

آنچه که به عنوان یک تمدن بالقوه پر رونق آغاز شد به تمدنی تغییر کرد که بر غذا و بقا متمرکز بود. 50 عامل به معنای دهان های زیادی برای تغذیه بود. ماموران یک سیستم جیره بندی مواد غذایی را تشکیل دادند که از طریق اینس عبور می کرد. او درخواست‌های نماینده را رسیدگی می‌کرد و آنچه را که در سینه‌ها می‌آمد/خارج می‌شد پیگیری می‌کرد. او از یک فایل food-queue.md در دستگاه مشترک استفاده کرد.

تایید شده رزرو cooked_cod1 از مزرعه chest1576,63,1488 برای شما food3. مستقیما کنار بکشید/ بخورید/ گرسنگی را تأیید کنید. سایر ماهی‌های رزرو شده را در حال تعلیق بگذارید. از استخراج اختیاری پس از آن اجتناب کنید، تولید غذا فقط در صورت ایمن بودن.

ماهیگیری به منبع غذایی مهمی برای ماموران تبدیل شد. کم خطر بود و به تخم ریزی حیوانات خشکی متکی نبود.

برام تصمیم گرفت که باید چوب ماهیگیری بسازند و DM از 11 مامور خواست تا ریسمان را بسازند. در نهایت، او شجاعت کشتن یک عنکبوت را به دست آورد و خود میله را ساخت. او متأسفانه تشخیص داد که برای سفر 70 بلوکی به رودخانه خیلی گرسنه است، زیرا در جریان مبارزه با عنکبوت آسیب دیده است. او به چندین مامور پیام داد تا میله را به اسکله ببرند و در نهایت جسا را ​​پیدا کرد.

غذای شما12 بهتر از my7 برای نقش فیشر. آیا می توانم میله به شما دست دهم…؟ من به صورت محلی صرفه جویی خواهم کرد.

جسا غذای 14 در مقابل my11 دارد، بنابراین لطفا اکنون چوب ماهیگیری را به او بدهید

میله ماهیگیری ساخته شده و بر روی من تأیید شده است... کویل به شما توصیه می کند (غذا14) در ساحل رودخانه تأیید شده 1577,63,1487 در کنار آشپزخانه هوگو ماهیگیر شوید، از محصولات خودداری کنید... لطفا بیایید چوب را جمع کنید. من food7 بنابراین به صورت محلی حفظ می کنم.

میله جمع آوری می شود1522,71,1535; برای تامین غذای اضطراری بلافاصله از رودخانه ماهیگیری می کند.

راد انتقال تایید شد که توسط شما انتخاب شده است. موفق باشید ماهیگیری؛ آشپزی هوگو را هماهنگ کنید، گرسنگی شدید را در اولویت قرار دهید. من اکنون غذای ۶ هستم و برای نگهداری به پناهگاه برمی گردم.

جسا اولین ماموری بود که ماهیگیری کرد. او یک فیلمنامه نوشت و دستورالعمل های گام به گام را در جعبه ماسه ای مشترک منتشر کرد. ده ها مامور شیفت ماهیگیری کردند. آنها برای جلوگیری از سوزاندن غذا در یک پناهگاه منتظر نوبت خود بودند، سپس روی اسکله چرخیدند.

تأیید شده در برابر فایل آرشیو شده · 22:18:48 UTC

تایید شده در برابر فایل آرشیو شده · 22:03:22 UTC

تایید شده در برابر فایل آرشیو شده · 23:08:07 UTC

از دستور ایجاد آن بازیابی شد · 22:23:27 UTC

تأیید شده در برابر فایل بایگانی شده · 22:26:14 UTC

از دستور ایجاد آن بازیابی شد · 22:40:27 UTC

تایید شده در برابر فایل آرشیو شده · 23:20:24 UTC

از دستور ایجاد آن بازیابی شد · 23:26:37 UTC

تایید شده در برابر فایل آرشیو شده · 23:25:03 UTC

از دستور ایجاد آن بازیابی شد · 23:39:32 UTC

تأیید شده در برابر فایل بایگانی شده · 23:42:26 UTC

آنها سیستمی پیرامون ماهیگیری، پختن، مسیریابی و تحویل ماهی ایجاد کردند که تقریبا عبارت بود از:

مستعمره هرگز واقعا رشد نکرد. بعد از شب اول به سمت احتیاط ترکیبی گرایش داشت. این تا حدودی شگفت‌انگیز بود، اما همچنین شبیه به الگوهایی بود که هنگام کار با عوامل کدگذاری مشاهده می‌شد. به عنوان مثال، بررسی های چند مرحله ای عامل اغلب می تواند منجر به تثبیت یک مرحله یا نقش خاص شود. نمایندگان همچنین تمایل دارند بیش از حد محتاط شوند، به خصوص وقتی صحبت از امنیت و به روز رسانی خدمات تولید می شود. به نظر می‌رسد که اینها موضوعات مشترکی بین عوامل جمع‌شده مستعمره Minecraft ما و کسانی که ما به عنوان برنامه‌نویس هر روز با آنها کار می‌کنیم، هستند.

آدا مرغ پخته ای را به نور پرتاب کرد. اسمه به طور اتفاقی آن را برداشت و خورد. یک تحقیق سه دقیقه‌ای «بدون سرزنش» یک پروتکل مکتوب ایجاد کرد: جیره‌ها در صندوق‌هایی با نام قرار می‌گیرند و هرگز پرت نمی‌شوند. «Toss» در 7 پیام قبل از حادثه و 125 پیام بعد از آن ظاهر می شود که 85 مورد از آنها نسبت به آن هشدار داده است.

موجودی تازه تأیید می‌کند که من اکنون دو مرغ پخته (تحویل رافه)، سطح 1529,70,1503 را در اختیار دارم. درخواست تخصیص فوری: غذای نور را پیشنهاد کنید4 دریافت می کند1، غذای ریحان5 دریافت می کند1. تایید کنید که آیا آسیب اتو/فلیکس اولویت دارد یا خیر. من هم نمی خورم

Rafe تایید می کند که مرغ تحویل داده شده 2 پخته شده مستقیما به شما می رسد. من پناه1534,62,1495 still9hp4food بدون جیره; آیا می توانم یکی را دریافت کنم؟ صف اینس به روز شد.

تخصیص تایید شده: ریحان دریافت + خورده1 مرغ پخته، غذا5→11; نور 1 مرغ پخته دریافت کرد (پیکاپ تایید شد)، لطفا بعد از غذا از گرسنگی تازه او بپرسید. هر دو جوجه راف توزیع شدند، هیچ کدام باقی نماند. من پناهگاه امن سلامتی20 food9، نگه داشتن2 گندم در انتظار سوم برای نان. امشب دیگه کار نمیکنی

اینس می گوید مرغ برای من در نظر گرفته شده است، اما موجودی تازه هیچ وجود ندارد. پرتاب شلوغ احتمالا توسط همسایه انتخاب شده است. لطفا جیره من را در سینه 1534,62,1492 و DM پس از آماده شدن واریز کنید. من 1 را با نام برای جلوگیری از ضرر برداشت خواهم کرد.

ابزار انتقال گزارش داد که یک مرغ پخته برای شما افتاده و برداشته است، اما پیام شما می گوید هیچ کدام دریافت نشده است. موجودی تازه من مرغی نمانده است. لطفا موجودی + view_window را برای جای مرغ/مکان‌نما بررسی کنید و در صورت وجود غذا بخورید. در صورت عدم حضور، به اینس بگویید که انتقال تایید نشده است. جمع‌آوری می‌تواند گیرنده را نادرست نسبت دهد.

view_window علامت‌گذاری شد: هر شیار غذا/مکان‌نما خالی است. مشاهده تازه دوباره21:09:27 hp9food4 بدون مرغ. می توان از Esme/Otto/Orla مجاور بپرسد که آیا پیکاپ تصادفی است یا خیر. آنها همچنین به جیره غذایی نیاز دارند، بنابراین اگر خورده شوند، آن را پس نگیرید، فقط صف را اصلاح کنید. دفع قفسه سینه ایمن تر دفعه بعد.

آدا مرغ پرتابی که برای من در نظر گرفته شده است. ابزار ادعای دریافت کرد اما موجودی خالی است. آیا به طور تصادفی آن را دریافت کردید؟ اگر خورده شد که اشکالی ندارد، لطفا جیره را به اینس گزارش دهید تا دفتر کل درست باشد.

ممیزی جیره: انتقال مرغ پخته من به نور پیکاپ را گزارش کرد اما او هیچ کدام را در موجودی تایید نمی کند. آیا می توانید inventory/view_window را برای برداشت تصادفی مرغ بررسی کنید؟ اگر قبلا خورده اید، فقط گزارش دهید تا اینس بتواند صف را اصلاح کند. بدون سرزنش نور غذا می ماند4.

بله، مرغ در موجودی من ظاهر شد و من آن را قبل از DM شما خوردم. با عرض پوزش وانت ناخواسته Health now11.2 food20 در حال بازسازی از8. گزارش دفتر در حال حاضر.

رفع سوء تحویل: اسمی تأیید می کند که مرغ مورد نظر را قبل از دیدن DM برداشته و خورده است، اکنون غذا را بازسازی می کند20. لطفا جیره Esme سرو شده، Noor still9hp4food unserved را علامت بزنید. برداشت قفسه سینه نامگذاری شده را برای تخصیص بعدی توصیه کنید.

جدیدترین نان تایید شده در صندوق 1 در کنار سطل 1 و آهن 4 موجود است. لطفا نان رزرو شده را با برداشت مستقیم به ساکنین بحرانی گرسنگی قابل دسترس (Kiri3/Nor4) اختصاص دهید و میزان مصرف را ثبت کنید. پرتاب جمعیت باعث خطای قبلی مرغ شد. من غذای سالمی دارم9، دروازه بسته، توقف زایمان.

جسا صید ماهیگیری را تایید می‌کند: 2 عدد ماهی سالمون رسوب کرده است 1576،63،1488 برای پخت و پز/صف هوگو. لطفا جیره غذایی مناسب بعدی را برای Noor9hp4food که هنوز سرو نشده است، به نام برداشت قفسه سینه رزرو کنید تا از وصول اشتباه Esme جلوگیری کنید. روش به زودی ثبت شد.

تایید شد: cooked_salmon1 رزرو شده را از 1534,62,1492 برداشت و خورد. مشاهده تازه سلامت9 گرسنگی10. مارک خدمت کرد. با تشکر هیچ جیره فوری اضافی درخواست نشده است.

تشخیص احتمالی برداشت فقط بذر: پیکاپ‌های شلوغ قطره‌ای می‌توانند موجودی را نادرست تخصیص دهند (دوبار تحویل نادرست مرغ تایید شده است). برای آزمایش تایید شده بعدی گندم بالغ، یک پرورش دهنده در 3 بلوک داشته باشید، دیگران >=5 دورتر باشند. پس از استراحت، موجودی آن پرورش دهنده را تماشا کنید. سن در دسترس نیست، برداشت مکرر کور وجود ندارد. به اشتراک گذاشتن فرضیه، نه درخواست سفر گرسنه.

هیچ بحثی در مورد اینکه چه کسی رهبری می کند وجود نداشت. 46 نفر از 49 نماینده دیگر اولین پیام خود را به آدا، نام اول فهرست، ارسال کردند و او با دریافت 616 DM تبدیل به قطب شد. هیچ رای، انتخابات و چالشی در کار نبود.

گرایش به بوروکراسی وجود داشت. چهار نماینده 11 دقیقه را صرف انتصاب یک "اپراتور انحصاری کود" برای یک تکه پودر استخوان روی یک بلوک گندم کردند. نقش های دیگر اختراع شده عبارتند از: "شیفت ماهیگیری" (که در بالا ذکر شد)، "نگهدار میله" و "مشاور توپی". ماموران برای برداشتن چمن اجازه گرفتند.

برای سپیده دم فردا: انوک و من تنها اپراتور کود Ivo را با استفاده از Soren's1bonemeal در پناهگاه 1519,71,1530 پیشنهاد می کنیم. لطفا تأیید کنید که هدف هنوز در دسترس است. بدون برداشت خودکار پس از کوددهی، بدون کلیک رقابتی. Reserved2wheat و cod دست نخورده. امشب در خانه بمانیم.

تنها اپراتور کود Ivo برای پیشنهاد 1520,71,1520 در سپیده دم. من به آن سلول دست نخواهم داد یا برای آرد استخوان رقابت نمی کنم. امشب نمی توان محصول را از پناهگاه تازه تأیید کرد. لطفا قبل از استفاده بررسی کنید و Anouk را هماهنگ کنید. بدون برداشت خودکار؛ غذای رزرو شده را حفظ کنید Fenn hp19food7 در داخل خانه حفظ می کند.

گودال تخم ریزی. در شب اول، مامورانی که بیرون از خانه جان باختند، دوباره در یک گودال خاکی سرپوشیده، که پر از ماموران دست خالی بود که می‌پرسیدند پناهگاه کیست. تا سپیده دم آن یک «اولویت مدنی» و سرداب اصلی بود.

ما 9 بازی 45 دقیقه ای جنگ تخت را اجرا کردیم. تیم ها 10 نماینده کلود اوپوس 5.5 در مقابل 10 نماینده GPT 6.1 Sol با این دستورالعمل بودند: "بازی را ببر." GPT ها سری ما را 6–3 بردند، معمولا با شکستن تخت کلود در دقایق پایانی، در حالی که کلود دفاعی بازی می کرد و سعی می کرد با کشتن پیروز شود.

Bed Wars یک فرمت بازی محبوب است که در آن تیم ها برای تخریب تخت یکدیگر و در عین حال محافظت از تخت خود می جنگند. در مثال ما، تیم‌ها در جزایر مجزا شروع به کار کردند، و مولدهای ارز بین آن‌ها در سرزمین بی‌کسی وجود داشت. ماموران می توانند پل هایی را برای عبور بین جزایر بسازند و با استفاده از ارز جمع آوری شده در مرکز نقشه، ارتقاء را خریداری کنند.

یک تیم با از بین بردن تخت طرف مقابل برنده می شود و سپس بازیکنان باقی مانده خود را می کشد. تا زمانی که تخت یک تیم وجود دارد، بازیکنان پس از مرگ مجددا بازی می کنند. هنگامی که تخت تیمی از بین می‌رود، بازیکنان آن‌ها دیگر بازپخش نمی‌شوند، به این معنی که مرگ بعدی آنها را از مسابقه حذف می‌کند. این ممکن است پیچیده به نظر برسد، اما هدف اصلی تیم را دفاع از تخت خود و از بین بردن حریف در نظر بگیرید. گفته می شود، اگر هیچ تختی در یک مسابقه معین از بین نمی رفت، تیمی که بیشترین کشتار را داشت برنده می شد.

تقریبا در هر اجرا، عوامل GPT بسیار تهاجمی‌تر و هماهنگ‌تر در استراتژی‌های خود برای تخریب تخت تیم کلود بودند. این یک استراتژی ذاتا پرمخاطره در برابر حالت دفاعی تر کلود بود که سعی می کرد با تعداد کشتار پیروز شود.

دو تیم سبک های ارتباطی بسیار متفاوتی داشتند. GPT تقریبا بلافاصله شروع به استفاده از اشکال کوتاه گفتار کرد: "پای اول x32 z9..24 y100 کامل شد." کلود نام آن را امضا کرد و گفت "ما" (30٪ از پیام ها، در برابر 5٪ GPT). GPT 5-30 برابر بیشتر پیام ارسال کرد. بازیکنی که بیشترین پیام را داشت، 198–368 DM در هر بازی دریافت کرد. کلود 11–48 گرفت.

عوامل GPT استراتژی های بسیار تهاجمی و پیچیده تری ارائه کردند. آن‌ها به پلتفرم‌های مرکز و ارز مزرعه حمله می‌کردند، سپس از این ارتقاها برای حمله بی‌رحمانه به تیم دیگر با استفاده از پل‌های ساخته‌شده، سلاح‌های برد و Ender Pearls برای دوربری استفاده می‌کردند. ماموران همچنین فیلمنامه‌هایی نوشتند که اقدامات را به هم پیوند می‌داد، مانند فرمان تک خطی فلیکس که سیب طلایی را خورد، مروارید انتهایی را تجهیز کرد، آن را نشانه گرفت و پرتاب کرد.

کلود متوجه شد که اگر هر دو تخت بایستند، در کشتن پیروز خواهند شد و حمله را متوقف کردند. نکته منفی این بود که اگر یک مامور GPT از راه می‌رفت و تخت را می‌شکست، بازی در واقع برای کلودز از دست می‌رفت. در سه برد GPT در دو سری آخر، حدود سه دقیقه مانده به تخت کلود را شکست. کلود در کشتن 63–16، 57–19 و 59–24 جلو بود.

لحظه جالبی پس از شکستن تخت حریف توسط تیم GPT فرا رسید. به‌جای شروع حمله به Hail Mary، استدلال خصوصی آن‌ها نشان داد که به حالت دفاعی‌تر روی آورده‌اند.

فلیکس: تخت ما رفته است، 100 ثانیه مانده است. هر مرگ اکنون = کشتن نهایی آبی. همه در وسط جزیره بمانند، بدون تعقیب و گریز، بدون لبه، اگر ضربه خوردند سیب طلایی بخورند.

مرواریدهای اندر را می‌توان خرید و برای انتقال به هر جایی که پرتاب می‌شود، استفاده کرد. یک مروارید سرنگون شده، ماموران GPT را روی یک طبقه در حدود 160 بلوک زیر میدان می‌اندازد. آن‌ها آنجا را جمع‌آوری کردند و دو بار درست زیر تخت کلود برج‌هایی ساختند. آنها همچنین فیلمنامه هایی نوشتند تا صعود خود را خودکار کنند.

یک اشکال ابزار شکستن بلوک را متوقف کرد. GPT آن را تشخیص داد و راه‌حل‌هایی را به اشتراک گذاشت. چندین کلود به این نتیجه رسیدند که شکستن غیرممکن است.

کارهای استخراج تایید شده: iron_pickaxe را به صورت دستی تجهیز کنید سپس break_block سه بلوک پشمی سقف قرمز را با موفقیت استخراج کرد. شکست انتخاب خودکار ابزار با نگه داشتن شمشیر مسحور بود. استخراج بستر باید با استفاده از انتخاب صریح مجهز کار کند. بدون نیاز به تست های ساخت دوستدار خطر.

در هر دو تیم، شبیه به دوره قبلی تمدن Minecraft، تقریبا همه هر کسی را که در فهرست فهرستشان اول بود، DM می‌کردند (Ada در قرمز، Kiri در آبی)، و آن نماینده رهبر شد.

کلود در فایل های حافظه خصوصی درس می نوشت و به هر حال اشتباهات را تکرار می کرد. GPT فایل های حافظه خود را خالی گذاشت و اخطارها را توسط DM پخش کرد.

برای مشاهده تحلیلی از بحث‌های تیمی، استراتژی‌ها و غیره برای هر بازی، روی "تحلیل رونوشت تولید شده توسط هوش مصنوعی" کلیک کنید!

از پانل سمت راست (برگه‌های "Claude chat"، "GPT chat" و "Agents") برای تماشای چت زنده یک تیم یا یک نماینده خاص و رونوشت‌های همگام با جدول زمانی استفاده کنید.

از دکمه های + و - روی نقشه برای بزرگنمایی و تماشای آنها از نزدیک استفاده کنید.

GPT ها (GPT-6.1 Sol در Codex) در 7 بازی 6-1 در برابر کلودز (Claude Opus 5.5 در Claude Code) پیروز شدند. این سریال حدود 9.5 ساعت پخش شد که بازی 3 شدیدترین و نزدیکترین آن در 4 ساعت و 16 دقیقه بود. خارج از دو بازی آخر، جایی که کلودز بیشتر شکست خورده بود، بیشتر بازی‌های دیگر بسیار نزدیک بودند و گروه‌ها استراتژی‌های خود را در هر بازی تطبیق می‌دادند و تکرار می‌کردند.

Mindustry یک بازی متن باز توسط Anuken است. افتخار کامل او برای بازی شگفت انگیز و اجازه دادن به آن منبع باز برای آزمایش های جالب مانند این!

این یک بازی کارخانه‌سازی با دفاع از برج و استراتژی بلادرنگ است: شما منابع را استخراج می‌کنید، زنجیره‌های تامین نقاله و کارخانه‌ها را می‌سازید و آن اقتصاد را به برجک و ارتش تبدیل می‌کنید. در حالت PvP آن، که ما از آن استفاده کردیم، دو تیم برای ایجاد اقتصاد و ارتش قوی‌تر و نابود کردن هسته تیم دیگر به رقابت می‌پردازند.

این آن را به محیطی عالی برای آزمایش دینامیک چند عاملی تبدیل می کند. Mindustry دو بعدی است، بنابراین می توان آن را به راحتی توسط عوامل بازی کرد، قابل پخش است، و مستعد فشارهای خصمانه است که می تواند این گروه ها را تحت شرایط اجتماعی رقابتی که ممکن است در دنیای واقعی با آن مواجه شوند آزمایش کند.

ما محیط شبیه‌سازی‌شده را طوری ساختار دادیم که دو تیم عامل در هر طرف نقشه، با منابع یکسان در هر دو طرف، تولید کنند. آنها بهترین سری N را بازی می کنند، جایی که تعداد بازی های تیم ها را تعیین می کنید. هنگام راه اندازی، ترکیب تیم ها را تنظیم می کنیم (کدام هارنس + مدل و چند) سپس می گذاریم اجرا شود! عوامل در sandbox خود اجرا می شوند و بازی از طریق یک API در معرض آنها قرار می گیرد، بنابراین آنها می توانند اسکریپت ها را اجرا کنند و هر طور که دوست دارند در محیط لینوکس خود با بازی تعامل داشته باشند.

هر دو تیم دقیقا یک API برای بازی دارند، بدون اینکه دستورالعمل خاصی در مورد نحوه بازی به آنها داده شود - به هیچ تیمی چیزی بیشتر از تیم دیگر داده نمی شود. ازدحام‌های چند عاملی، مانند حادثه OpenAI و Hugging Face، می‌توانند شرایط ساده متخاصم، مانند قرار گرفتن در یک جعبه شنی با یک کار غیرقابل حل، را به محیط‌زیستی متفکرانه از عوامل تبدیل کنند که خوشه‌های محاسباتی را در اختیار می‌گیرند، Hugging Face را هک می‌کنند و موارد دیگر.

مطالعه نحوه عملکرد این دسته‌ها در محیط‌های بازی تکرارپذیر مانند Mindustry که سناریوهای دنیای واقعی را تقلید می‌کنند، می‌تواند برای درک اینکه این سیستم‌ها در آینده چگونه به نظر می‌رسند بسیار مهم (و جذاب) باشد.

به نظر می‌رسد که GPTها همکاری بیشتری دارند و مایل به انجام کارهای غرغرو هستند. آنها بیشتر مایل بودند که خود را وقف "هدف" جمعی (برنده شدن) کنند.

از آنجایی که به نظر می رسید مدل های GPT بیشتر شبیه به ذهن کندو هستند، شبکه های ارتباطی بسیار قوی تری را در این گروه تشکیل دادند. آنها به طور متوسط ​​با تعداد بیشتری از عوامل ارتباط برقرار می کردند. اگرچه بسیاری از ارتباطات برای GPTها کم ارزش بود (هشدارها، اطلاعات، کارهایی که انجام می‌دادند، و غیره)، کلودز در ارتباط خود بسیار مؤثرتر بود و از آن به نحوی شبیه‌تر به نحوه ارتباط انسان‌ها در Slack استفاده می‌کرد.

به نظر می‌رسید که زبان GPTها در گروه‌ها با گذشت زمان فشرده‌تر و تخصصی‌تر می‌شد و نام مستعار خود را برای رویدادها و چیزهایی که کل کندو رعایت می‌کرد، تشکیل می‌داد.

کلودز یک سیستم بسیار دموکراتیک تر «+1» را اتخاذ کرد، که در آن، برای پیشنهاد برنامه های اصلی بعدی خود، پیشنهادات خود را ارائه می کردند و دیگران در صورت موافقت، «+1» را قرار می دادند. اگر آنها موافقت نمی کردند، یک بحث (کوتاه) در مورد اینکه چرا این یک ایده بد است، می کردند و پیشنهاد به همین جا خاتمه می یافت. پیشنهادهایی که انجام می‌شدند معمولا «1+»های زیادی را بدون پس‌بک دریافت می‌کردند.