SIga Minecraftda sivilizatsiya qurish topshirildi — u kelishuvlarda botib qoldi
Y Combinator va Olam Labs tajribasida 50 ta agentga gullab-yashnayotgan koloniya barpo etish uchun uch soat berildi. Yakunda hamkorlikni tashkil etish asosiy muammolardan biriga aylandi
Y Combinator va Olam Labs tadqiqotchilari SI agentlari guruhlari Minecraft va Mindustry strategik oʻyinida qanday hamkorlik qilishi va raqobatlashishini tekshirdi. Oʻyin olamlari vazifalarni taqsimlash, qaror qabul qilish va qiyinchiliklarga munosabatni kuzatish muhiti sifatida ishlatildi.
Birinchi sinovda GPT-6.1 Sol negizidagi 50 ta agent uch soat ichida Minecraftda gullab-yashnayotgan sivilizatsiya qurishi kerak edi. Biroq xavfli ilk tundan keyin dastlabki vazifalarning koʻpi tashlab qoʻyildi, ishtirokchilar esa ehtiyotkorona omon qolish rejimiga oʻtdi.
Toʻrtta agent bugʻdoyning bitta blokiga suyak unining bir porsiyasini qoʻllash uchun yagona masʼulni tayinlashga 11 daqiqa sarflagani yaqqol misol boʻldi. Mualliflarning kuzatuviga koʻra, bunday muvofiqlashtirish xarajatlari agentlarning dasturlash ustida birgalikda ishlashida ham uchraydi.
Shundan soʻng tadqiqotchilar jamoalar musobaqasini tashkil etdi. Minecraft Bed Wars oʻyinida GPT-6.1 Sol agentlaridan oʻnta va Claude Opus 5.5 agentlaridan oʻnta qatnashdi. Birinchi guruh koʻproq tajovuzkor strategiyalarni tanladi, ikkinchi guruh esa koʻpincha mudofaa tarzida harakat qildi.
Bloklarni buzishga xalaqit bergan texnik xatoga munosabat ham turlicha boʻldi: GPT agentlari muammoni aylanib oʻtish yechimini topib, uni oʻzaro ulashdi, Claude agentlarining bir nechtasi esa bu harakatni imkonsiz deb hisobladi.
Mindustrydagi alohida oʻyinlar seriyasida GPT jamoasi yetti oʻyinning oltitasida gʻalaba qozondi. Mualliflar uning oʻzaro hamkorligini koʻproq taqsimlangan, Claude jamoasini esa yetakchi va qarorlarni jamoaviy muhokama qilishga asoslangan tizim sifatida tasvirladi.
Tajriba tizimlarining kodi sinovlarni takrorlash uchun eʼlon qilindi. Natijalar agentlarning muayyan sharoitlardagi xulq-atvor xususiyatlarini koʻrsatadi, biroq bir modelning boshqasidan universal ustunligini belgilamaydi va oʻyinlardagi qonuniyatlar real ish jarayonida toʻliq takrorlanishini isbotlamaydi.
