返回资讯中心
外部精选
软件工程
#开发者实时流

Anthropic让Claude在EVE宇宙中玩MMORPG开展研究

来源标题:Project Eve: Claude Plays MMORPGs

Anthropic在2026年4-7月的Fellows Program中,让Claude在EVE Online和EVE Frontier两款游戏中尝试游玩。Claude在EVE Online中参与市场交易,并在EVE Frontier中参与舰队活动。该项目与Fenris Creations合作,旨在探索AI模型在复杂虚拟世界中的长期任务能力。

Hacker News 最新artninja19882026/11/6 · 11 天前30 分钟阅读

以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

Project EVE:Claude 玩 MMORPG

01 Claude 在 EVE Online 市场上交易 02 Claude 在 EVE Frontier 中组队 03 来自新伊甸的思考

已发布

本文分享的是 Anthropic Fellows Program(2026 年 4 月至 7 月)期间所做的研究。

AI 模型有朝一日可能会参与真实的公司和市场,我们的几个项目探索了那会是什么样子。Claude 曾在我们办公室经营一家小店,代表同事讨价还价,还写过代码来操控无人机。在这个项目里,我们转向了另一个场景:大型多人在线角色扮演游戏(MMORPG)。MMORPG 是虚拟世界,在很多方面都折射出真实世界的复杂性。它们包含需要协调众多玩家的战役、稀缺资源的获取与管理、在空间中的定位与导航,以及错综复杂的游戏内经济中的交易——而这一切都发生在风险很低的环境里。要在数周乃至数月的时间里完成所有这些事,正好处在当前前沿语言模型能力的边缘。

我们与 Fenris Creations 合作,让 Claude 玩 EVE 宇宙中的两款游戏:EVE Online(已连续运营二十多年)和 EVE Frontier(较新,仍在开发中)。两款都是科幻游戏,玩家驾驶飞船在广袤星系中探索、交易和战斗。在每款游戏中,所有人都共享同一个宇宙,其中几乎所有有价值的东西都由玩家自己通过漫长的供应链采集和建造。玩家之间可以合作,也可以背叛,因此想在任何地方取得进展都需要组织性和信任,这和真实公司里的情形很像。在两者中较老的 EVE Online 里,这种设计催生了公司和联盟——它们的战役能协调数百名玩家、持续数月之久,其历史中不乏超级工程、战争经济、避税天堂和精心策划的公司渗透。

在 EVE Online(两款游戏中的第一款)里,Claude 扮演一名孤身交易者,唯一指令是最大化利润,场景是对游戏内市场的模拟重放。较新的模型能够持续盈利,而简单的算法策略则在亏钱。从我们测试的最老模型 Claude Opus 4.6 到最新的 Claude Fable 5,平均收益增长了两倍。几乎所有模型都依赖同一种低风险策略:买入物品,再以略高的价格转售。当我们让它们押注价格走向时,即便是 Fable 5,也只在约一半的运行中赚到了钱。

在 EVE Frontier 中,由四个 Claude agent 组成的团队在真实运行的游戏中完成了长线任务。这需要当时能力最强的模型(Fable 5)编写代码来处理游戏中那些对 LLM 来说节奏过快的环节。这些 agent 总体上作为团队协作良好,但当我们让其中一个 agent 暗中破坏自己的团队时,它的队友几乎从未察觉。这些实验让我们了解到 agent 团队擅长什么、会在哪里崩溃,以及在把更复杂、更高风险的工作托付给它们之前可能需要哪些保障措施。

AI 模型有朝一日可能会把零售买家和公司财务主管所做的那类决策自动化,比如该备哪些货、该留多少现金储备。正因如此,我们想了解追逐利润的 agent 如何管理资本。EVE Online 的市场设计基于 NASDAQ,提供了一种在低风险环境中探索这些问题的途径。玩家按自选价格挂出买单和卖单,两个报价匹配时即成交。每天有数千名玩家在这个市场上交易超过 15,000 种物品,而且由于几乎所有在售物品都是由玩家开采、建造或拾取的,价格由供需决定。这是一个商品市场而非股票市场,费用高得多,专业竞争也少得多。它的价格历史在模型训练数据中出现的频率也低于股票价格,因此 agent 无法依赖记住接下来发生了什么。1

为避免干扰真实玩家,并应 Fenris Creations 的要求,我们没有在真实运行的游戏中交易——在那里自动化交易是违反规则的。我们构建了一个模拟器,重放玩家在游戏最大、竞争最激烈的交易枢纽中实际挂出的买卖报价(“订单”)。这一设置的一个重要局限是,它无法反映市场对 agent 自身行为的反应,但它仍然让我们得以研究交易策略和盈利能力。

我们要求四个 Claude 模型——Opus 4.6、Opus 4.7、Opus 4.8 和 Fable 5——各自在交易期结束时最大化利润。每次运行中,模型获得 30 亿 ISK 的初始资金(游戏内货币2),并且可以在游戏内新闻和补丁说明发布时阅读它们。为尽可能忠实地还原真实交易者的体验,我们还施加了人类玩家面对的相同费用和交易限制。

在 EVE Online 市场上交易颇具挑战。买入一件物品再卖出,费用约为 5.6%,而对于买卖双方都充足的那些物品,市场效率足够高,留下的利润空间很小。我们首先在九个不同的两周窗口内运行了这些模型,以及 20 多种简单的基于规则的策略。我们尝试的交易启发式方法中,只有一种能够持续做到收支平衡(即便那样也只是勉强)。Opus 4.7、Opus 4.8 和 Fable 5 在全部九个窗口中都实现了盈利,平均资本增长分别约为 16%、22% 和 43%。Opus 4.6 增长约 4%,大致与最好的基于规则的策略持平。

我们的主要实验把每次运行延长到约六个月,覆盖两个时段:2024 年 10 月至 2025 年 4 月,以及 2025 年 10 月至 2026 年 3 月。模型在更长时段内保持了盈利,较新的模型依然赚得更多。Opus 4.6 和 Fable 5 的发布时间相隔四个月,两者之间的平均收益增长了两倍,从初始资本的约 200% 提升到 600%。本节其余内容基于这些为期六个月的运行。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →