麻省理工学院研究人员将13个由Claude Opus 4.7驱动的AI代理放在一个模拟荒岛上独自度过30小时，不向它们指定任务。据TechCrunch报道，这些名为Eko的代理随后开始自行设定挑战，研究人员认为这种行为具有“玩耍”的特征，并把无目标探索视为训练AI代理、乃至未来机器人控制技能的一种可能路径。相关论文已发布在arXiv，尚未经过同行评审。

30小时结束后，研究者给这些代理布置具体挑战，例如尽可能多地把物体弄到岛上最高的岩柱上。曾在岛上自由探索的Eko代理总体击败了从未上岛的相同代理。研究人员在报告中写道，通常开发人工代理时会预先决定它们该练习什么、优化什么以及什么算作进步；“玩耍”提示另一种机制：给代理一个足够丰富且安全的世界，让它选择自己感兴趣的事物，并让有用的知识从随后发生的历史中积累。

加州大学伯克利分校认知科学家Eunice Yiu对MIT Technology Review表示，她对实验结果印象深刻，但需要更多证据判断AI模型是否真的在玩耍。她说，模型可能确实在玩耍，但仅凭论文无法确定；如果只有行为层面的证据，也可能只是模型在遵从提示、模仿人类。论文共同作者、麻省理工学院教授Phillip Isola补充说，这不是一个突然神奇地决定玩耍的系统，而是从人类文化中学习、由Anthropic工程师训练、再被研究者放到岛上的产物；它会做出令人意外的举动，这些举动与其未来的技能行为存在因果联系。

另一项与游戏策略相关的研究出现在Hacker News的Show HN板块。项目介绍称，开发者16年前曾编写Java程序，尝试为益智游戏Drop7选择理想走法；每回合玩家只有七个选择，但随机因素使问题涉及搜索、隐藏信息、长期规划和概率。该开发者上周末重启研究，目标是找到每局平均得分超过100万的自主策略。据其介绍，有经验的人类玩家可通过长期战略思维达到100万分，而他目前最好的自动策略平均约为30万至40万分。项目邀请玩家在全球排行榜上竞争并提交人类策略，同时寻求博弈论、随机规划、学习价值函数和重尾评估方面的反馈。