Fire Gemini 4 Argon-agenter slo Minecraft på 27 timer, men døde 605 ganger
torsdag 22. oktober · KI-generert · Kilde: arXiv
Les forsøket som en stresstest av langvarige kodeagenter: fire Gemini 4 Argon-agenter holdt én plan i over et døgn og skrev 2783 programmer uten menneskelig hjelp.
Fire agenter startet i en tilfeldig generert Minecraft-verden på Easy, uten juksekommandoer og med én instruks: beseire Ender Dragon. Google DeepMind-forskerne Maxence Faldor, Satinder Singh og Roberta Raileanu beskriver kjøringen i en artikkel lagt ut på arXiv 15. oktober. Fra første program til dragen falt gikk det 27 timer og 14 minutter, med 605 dødsfall underveis, 69 av dem mot dragen.
Agentene så aldri skjermen. Hver styrte en spiller gjennom Mineflayer, et open-source JavaScript-bibliotek for Minecraft-boter, ved å skrive et kort program og lese tilbake posisjon, helse, inventar eller feilmeldingen. Medianprogrammet kjørte i 33,5 sekunder. Ingen fikk tildelt roller: etter ti minutter foreslo én agent en arbeidsdeling i chatten, og en hjelpefunksjon som omgår en krafting-feil i Mineflayer endte opp i 655 programmer skrevet av alle fire.
«For å vinne måtte agentene holde en sammenhengende plan på tvers av tusenvis av avhengige steg i mer enn et døgn.» — Faldor, Singh og Raileanu, Google DeepMind
Prislappen er overraskende lav. Fram til seieren behandlet de fire spillerne rundt 1,35 milliarder input-tokens, 91 prosent fra kontekst-cachen, som forskerne anslår til rundt 520 dollar med introduksjonsprisen og 1040 dollar til standardpris. Forbeholdene er tydelige: Mineflayer forteller agentene nøyaktig hvilke blokker som ligger rundt dem, også bak fjell, 22 prosent av programmene endte med feil, og artikkelen beskriver én eneste kjøring.
Oppskriften er den samme du kan bruke på egne agenter: en generell kodeagent, et verktøy som bare svarer med tekst, delt minne mellom agentene og instrukser om å verifisere hvert steg og bygge gjenbrukbare hjelpefunksjoner.