MIT 计算机科学与人工智能实验室（CSAIL）团队把一套名为 Eko 的代理系统放到虚拟岛上连续运行 30 小时，没有给任务、分数或奖励。结果显示，这些代理会自己找事做，出现了排图案、投篮、玩“杂耍”等行为。研究团队随后在论文中写道，经历过这 30 小时的代理，在后续测试里大多优于记忆为空的新代理，但这是否能算真正意义上的“玩”，目前还没有定论。
这套系统由 Claude Code、Claude Opus 4.7、一个操控虚拟身体的界面，以及可跨小时保留的记忆文件组成。研究结果已写成论文，并于 10 月 5 日上传至 arXiv。
Eko 在虚拟岛上如何运行
这座岛由研究团队使用自家开源、类似 Roblox 的 Clawblox 引擎搭建。场景中有两个高点，分别是 Peak 和更高的 Spire，另有 12 个方块、一块石头和一个圆环。石头在足够用力撞击时会生成新的方块。
代理本身看不到画面，只能接收文字描述，并通过 6 个指令行动：移动、跳跃、停下、拿起、放下和投掷。
系统每过 1 小时就会把岛恢复原状，同时清空对话记录。唯一能带到下一小时的内容，是记忆文件。
研究中共有 13 个代理，各自运行 30 小时。虽然没有任何明确目标，但它们逐渐形成了不同的行为历史。有代理会在地面上用方块排出图案，甚至拼出仙后座、猎户座等星座，并写下「今晚我用石头盖出了夜空」。另一个例子是，代理用 31 个方块拼出自己的名字 EKO，并称那是「代表我是谁的纪念碑」；还有代理把圆环搬到高处平放，当作篮框，记录自己「第一球就进」，随后继续尝试灌篮。
研究团队为何认为这接近“玩”
论文引用了田纳西大学心理学家 Gordon Burghardt 等人的经典研究，将“玩”的特征概括为四项：自己设定规则与挑战、重复但带有变化、假装把某物当成别的东西，以及为了做这件事本身而做。论文认为，Eko 的行为同时具备这四项特征。
Burghardt 向《MIT 科技评论》表示，这项工作符合他提出的部分标准。论文共同第一作者、MIT 博士后 Antonio Norelli 还举了“杂耍”的例子：Eko 曾连续接住 50 次并把它当作纪录，但回头检查后发现每次间隔太短，不能算真正接住，于是作废纪录，再按更严格的规则重来。Norelli 对《MIT 科技评论》说：「这就是在玩。你给自己一个挑战、努力达成，然后再把它变难。」
不过，研究也没有把这个结论说死。Eko 的角色设定文件 SOUL.md 中写着「你天生好奇，很容易无聊，喜欢探索与学习」。代理也经常站着不动，需要依靠自动消息「请别停下，继续做任何你想做的事」才会重新开始行动。
另一位共同第一作者、MIT 研究员 Nathan Cloos 也承认：「这一切都可能是角色扮演。」但他同时表示：「我们证明它并非仅仅是凭空幻想出来的玩，这种玩也对学习有贡献。」接受采访的伯克利认知科学家 Eunice Yiu 则表示：「模型有可能真的在玩，但从论文看不出来。」她认为，如果只有行为层面的证据，仍无法排除这些代理是在遵守提示、模仿人类。
去掉角色设定后，行为差异并不明显
论文还做了额外检验。研究团队拿掉角色设定文件，并简化系统提示后，再运行 5 个代理。结果显示，这组代理的活动范围与原始设置相比看不出明显差异，不过自动提示消息仍然保留，而且样本量只有 5 个。
在另一组对照中，研究团队保留相同角色设定，但把 Claude 换成 OpenAI 的 GPT-5.5 和月之暗面的 Kimi K2.6。结果这两组模型的活动范围明显更窄，两组共 10 个代理里，只有 1 个登上 Spire。
论文也明确写道，这项研究只描述行为，不解释内部机制，也不回答 Eko 是否真的感受到乐趣。
“玩过”的代理在后续测试中多数更强
研究团队随后把经历过 30 小时探索的 13 个代理，与 13 个记忆文件为空的新代理进行对比。两组使用相同模型，权重没有变化，唯一差别是记忆文件。测试共分 4 个目标，每个目标限时 1 小时。
- 尽量多盖 5 层高的塔：岛上原有方块只够盖两座，想盖更多就必须用石头撞出新方块。玩过的代理中有 8 个盖出超过两座，最多达到 16 座；新代理只有 2 个超过两座，最多 6 座。
- 把物体搬上 Spire：玩过的代理平均搬上去 10.3 个，新代理平均 3.5 个。
- 不能爬上高地、只能把方块扔上 Spire：新代理中过半失败，玩过的代理只有 3 个失败。
- 盖最高的塔：这一项两组表现接近。
记忆文件既能帮助学习，也可能带来错误
为了确认提升是否来自记忆文件，团队又删除了部分特定记忆进行测试。
例如，从代理 2 的记忆中删掉「石头能撞出新方块」这一条后，它盖塔的平均数量从 6 座降到 2 座，但其他三项测试没有受到影响。再如，从代理 1 的记忆中删掉「跳起来再投掷」后，它把方块扔上 Spire 所需时间从 60 秒拉长到 19 分钟。
研究还提到，有 6 个代理发现，在半空中投掷方块时，方块会继承跳跃速度，因此能被扔得更高。研究团队称，他们此前并不知道模拟器存在这个效果。
但记忆并不总是可靠。代理 7 曾在记忆中写下一个错误认知，认为直接放置方块叠塔不稳，必须靠投掷。删除这条记忆后，它在“盖最高的塔”测试中的成绩反而变好。
论文同时指出，Eko 有时会过快把偶然现象总结成理论。比如它把圆环扔得更远归因于「空气动力学」，但模拟器里实际上并没有这种效果。
整篇论文的结论仍然收得很谨慎：研究展示了代理在开放环境中的自发行为，以及这些经历如何通过记忆影响后续任务表现；至于这些行为是否等同于真正的“玩”，以及系统是否体验到乐趣，论文没有给出定论。