Agentes Eko do MIT começaram a brincar e depois colocaram suas descobertas em prática

Agentes Eko do MIT passaram 30 horas sozinhos em ilhas virtuais sem tarefas atribuídas, inventando atividades que mais tarde os ajudaram a enfrentar desafios específicos. Em 13 execuções independentes, os agentes exploraram, construíram estruturas, reutilizaram objetos e registraram descobertas. A inversão interessante veio depois: uma atividade aparentemente improdutiva forneceu conhecimento útil para trabalhos posteriores.

O experimento desafia uma abordagem conhecida para desenvolver agentes de IA, sistemas de software que usam ferramentas para agir sobre seu ambiente. Normalmente, os desenvolvedores especificam uma tarefa e avaliam o sucesso em relação a ela. Aqui, os pesquisadores retiraram esse destino. Seu antecessor, Voyager, explorava Minecraft usando um currículo automático e uma biblioteca crescente de habilidades. Eko dá maior ênfase a atividades que o agente escolhe sem um resultado atribuído.

A distinção importa para desenvolvedores que decidem como os agentes devem adquirir experiência entre solicitações. Mas a história da ilha também exige limites cuidadosos. Construir um memorial não comprova luto. Um desempenho melhor em uma simulação familiar não comprova competência no trabalho. A evidência mais forte diz respeito a algo mais concreto: descobertas registradas na memória alteraram o que agentes, de outra forma idênticos, conseguiam realizar.

Os agentes Eko do MIT receberam uma ilha, não um trabalho

O experimento eliminou objetivos atribuídos, preservando um ambiente que oferecia aos agentes muitas coisas para investigar.

O preprint de pesquisa do Eko, enviado em 5 de outubro, descreve o trabalho de Nathan Cloos, Antonio Norelli, Daniel Durbin, Jacob Andreas, Daniela Rus e Phillip Isola. A equipe do MIT construiu o Eko sobre um assistente de programação existente, adicionando um corpo virtual, memória persistente e software que mantinha as sessões em execução.

O experimento principal usou Claude Code com Claude Opus 4.7. Cada agente ocupava sua própria instância da ilha. Eram históricos separados, e não um grupo de agentes inventando jogos juntos. Essa distinção impede que o estudo se transforme em uma história sobre uma sociedade de IA emergente.

A ilha oferecia terreno elevado, cubos móveis, uma pedra e um anel. Sua formação mais alta, a Spire, apresentava um desafio óbvio sem ser um destino atribuído. Objetos podiam ser carregados, empilhados, posicionados e arremessados. Essas possibilidades criavam espaço para experimentação sem prescrever quais experimentos importavam.

Eko não observava o mundo pelas animações atraentes disponíveis aos espectadores humanos. Ele recebia descrições textuais com informações sobre objetos e sua geometria. Suas ações também passavam por comandos de texto. Portanto, o corpo virtual testava a interação com um ambiente físico simulado, sem testar a percepção visual comum.

Os agentes começaram com a mesma configuração, mas suas atividades divergiram. Eles organizaram objetos, tentaram escaladas, improvisaram esportes e revisitaram ideias anteriores. Algumas atividades geraram conhecimento prático. Outras pareciam importar apenas dentro de um projeto criado pelo próprio agente, como organizar objetos em uma estrutura decorativa.

O anel perdido de um agente tornou-se o exemplo mais memorável. Depois de arremessá-lo para além do alcance, o agente construiu um memorial em forma de coração. Mais tarde, um anel restaurado tornou-se material para novas atividades. Chamar isso de luto fornece uma interpretação humana convincente, mas a evidência observável é mais restrita: linguagem simbólica acompanhou uma construção específica.

A configuração também incluiu mais suporte humano do que “deixados sozinhos” sugere. O software incentivava os agentes a continuar quando paravam. As sessões e as condições da ilha eram reiniciadas a cada hora, enquanto os arquivos do espaço de trabalho persistiam. Os agentes podiam levar descobertas adiante mesmo quando a conversa imediata e a organização física desapareciam.

Essas escolhas de design fazem parte do resultado. Eko não era um modelo intocado despertando espontaneamente dentro de um jogo. Era um sistema deliberadamente montado, com ferramentas, continuidade e oportunidades para agir. O comportamento surpreendente surgiu dentro dessa arquitetura.

A notícia, portanto, é mais específica do que máquinas encontrando entretenimento. Um assistente de programação, colocado em um cenário interativo desconhecido, gerou suas próprias atividades. Em seguida, os pesquisadores testaram se o histórico dessas atividades tinha valor prático.

O resultado útil surgiu depois que os jogos terminaram

A inversão mais forte do estudo é que a exploração produziu conhecimento que os agentes puderam reutilizar quando os pesquisadores finalmente atribuíram trabalho.

Após o período aberto, a equipe comparou agentes experientes com agentes idênticos em todos os outros aspectos, mas sem experiência na ilha. Cada avaliação usou um mundo novo e um objetivo explícito. O modelo subjacente permaneceu o mesmo. A diferença importante era o que os agentes haviam escrito em seus arquivos de memória.

As tarefas incluíam construir torres, posicionar objetos na Spire e arremessar um bloco sobre essa formação sem subir em uma plataforma. Eram desafios físicos mensuráveis. Eles transformaram a questão de saber se o comportamento do Eko parecia divertido em saber se sua experiência anterior melhorava o desempenho posterior.

Segundo a avaliação orientada por objetivos dos pesquisadores, os agentes experientes geralmente tiveram desempenho melhor, embora a vantagem não tenha aparecido em todas as tarefas. Na colocação de objetos, eles tiveram uma média de 10,3 objetos na Spire, em comparação com 3,5 dos agentes inexperientes. Esse resultado conecta a exploração anterior à execução posterior.

A construção de torres revelou um quadro menos uniforme. A experiência ajudou a produzir várias torres, mas os grupos alcançaram resultados semelhantes na tarefa da torre mais alta. Alguns agentes experientes também tiveram desempenho fraco. O resultado sustenta uma conclusão delimitada: a exploração forneceu conhecimento útil, em vez de garantir melhora.

Essa limitação torna o experimento mais informativo. Se todas as métricas melhorassem igualmente, ainda restariam perguntas sobre quais descobertas importavam. Ganhos desiguais sugerem que experiências específicas forneceram capacidades específicas. O conhecimento sobre mover objetos para cima não precisa ajudar um agente a construir uma coluna vertical estável.

Para desenvolvedores de agentes, isso pressiona o desenho das avaliações. Um sistema testado apenas no momento da instrução pode ocultar o quanto seu desempenho depende de experiências anteriores. Por outro lado, um sistema considerado capaz de aprender pode simplesmente receber uma coleção mais útil de anotações.

Eko permite que pesquisadores inspecionem essa distinção porque sua experiência é externalizada. As notas podem ser lidas, editadas e removidas. Seu desempenho posterior não exige presumir uma mudança de desenvolvimento invisível dentro do modelo. Os investigadores podem examinar as informações disponíveis quando ele escolhe uma ação.

A questão prática passa a ser se os desenvolvedores deveriam reservar recursos para exploração antes da chegada de uma tarefa. Isso é diferente de deixar um assistente vagar por uma conta de produção. Um ambiente controlado pode expor um agente a ferramentas e consequências, mantendo a experimentação separada do trabalho dos clientes.

Considere um futuro assistente aprendendo um aplicativo desconhecido dentro de uma conta de teste descartável. A exploração poderia revelar sequências úteis, limitações ou caminhos de recuperação. Essa é uma analogia ao design do Eko, não uma aplicação validada por este estudo. O experimento não estabelece que essa preparação superaria uma prática direcionada.

Ele estabelece, porém, por que essa comparação merece atenção. Atividade sem uma entrega imediata não precisa ser atividade desperdiçada. Seu valor depende do que o agente descobre, do que preserva e de se essas descobertas continuam úteis quando a tarefa muda.

A memória escrita conectou exploração e competência

A melhora do Eko ocorreu por meio de conhecimento escrito reutilizável, tornando a qualidade da memória central para a história.

Os pesquisadores não atualizaram os pesos do modelo subjacente, os parâmetros numéricos moldados durante o treinamento. Em vez disso, os agentes acumularam notas e outros artefatos do espaço de trabalho. Esses registros persistiram entre reinicializações de sessão e se tornaram recursos para decisões posteriores.

A arquitetura distinguia memória episódica, registros de eventos, de memória semântica, conhecimento geral e técnicas reutilizáveis. Essa separação deu ao agente lugares para registrar tanto um experimento quanto sua interpretação. Uma escalada fracassada podia permanecer como parte de seu histórico, enquanto uma rota bem-sucedida se tornava uma lição acionável.

Essa distinção explica por que “ficar melhor em seus trabalhos” precisa de qualificação. Eko não se tornou um funcionário geralmente melhor depois de um feriado. Ele adquiriu informações sobre um ambiente específico. Tarefas posteriores se beneficiaram quando essas informações descreviam uma técnica relevante com precisão suficiente para ser usada.

A equipe investigou essa relação excluindo conhecimentos selecionados da memória de agentes experientes. Remover uma técnica útil prejudicou o desempenho relacionado. Essas intervenções fortalecem o argumento porque alteram uma causa proposta, em vez de apenas observar que agentes experientes obtêm pontuações melhores.

Uma descoberta dizia respeito a arremessar enquanto pulava. Alguns agentes descobriram que o movimento de seu corpo afetava a trajetória de um objeto arremessado, permitindo lançamentos além do que seria possível em uma posição parada. Os pesquisadores afirmam que não haviam percebido que seu simulador permitia essa técnica. A exploração revelou uma possibilidade além das expectativas dos projetistas.

O significado mais amplo está na sequência. Um agente encontrou um resultado surpreendente, investigou-o, registrou uma regra e depois usou essa regra. O registro escrito conectou uma atividade anterior a uma capacidade posterior. Essa cadeia é mais útil para a engenharia do que um clipe isolado de comportamento inventivo.

Há também uma conexão direta com a gestão do conhecimento. Uma experiência armazenada só se torna valiosa quando a próxima decisão consegue recuperá-la e interpretá-la. A mesma distinção aparece em uma base de conhecimento pesquisável: coletar registros e torná-los úteis são problemas separados.

Essa comparação diz respeito à organização da informação, e não à evidência de que qualquer produto de conhecimento reproduza o aprendizado do Eko. O experimento testa uma arquitetura específica de agente. Sua relevância está na forma como registros legíveis permitem que a experiência persista, ao mesmo tempo que dão aos investigadores algo concreto para auditar.

Para desenvolvedores empresariais, a memória editável oferece uma possibilidade atraente. Uma ação fracassada pode ser atribuída a uma instrução ruim em uma nota, em vez de ser tratada como uma falha inexplicada do modelo. Corrigir o registro poderia então alterar o comportamento sem retreinar o modelo subjacente.

Mas a capacidade de inspeção também introduz responsabilidade. Alguém precisa decidir quais observações merecem status duradouro, como a incerteza deve aparecer e quando conclusões antigas devem expirar. Uma regra concisa pode ajudar um agente a agir com eficiência. A mesma regra pode induzi-lo ao erro repetidamente se a interpretação original estiver errada.

A ilha, portanto, redireciona a atenção de quanto um agente se lembra para a autoridade que suas memórias adquirem. Notas persistentes fazem parte do sistema de decisão. Sua precisão, escopo e processo de revisão importam junto com o modelo que as lê.

A exploração autodirigida tem uma história mais longa do que Eko

Eko refina uma direção de pesquisa já existente ao perguntar o que os agentes escolhem antes que alguém forneça um destino produtivo.

A comparação mais útil é a biblioteca de habilidades do Voyager, descrita em uma pesquisa submetida pela primeira vez em 2023. Esse sistema explorava Minecraft por meio de um currículo automático, habilidades executáveis reutilizáveis e um processo de aperfeiçoamento de programas com base em feedback. Ele também acumulava capacidades sem atualizar seu modelo subjacente.

O Voyager oferece uma referência histórica que ajuda a colocar o experimento da ilha em perspectiva. Sistemas de IA explorando ambientes de jogos e retendo artefatos úteis não são novidade. A contribuição de Eko se insere nessa linhagem, com uma ênfase diferente nas atividades que um agente gera quando nenhum objetivo específico lhe é atribuído.

O principal contraste está entre prática organizada externamente e exploração escolhida pelo próprio agente. Na prática organizada, desenvolvedores decidem quais resultados justificam esforço contínuo. No cenário de Eko, um agente pode inventar um desafio, modificar suas regras, abandoná-lo ou retornar mais tarde com uma interpretação diferente.

Nenhuma das abordagens prevalece automaticamente. Um objetivo claro pode concentrar recursos em uma necessidade conhecida. Atividades abertas podem revelar possibilidades que uma atribuição restrita jamais exigiria. A questão de engenharia é determinar quando as descobertas adicionais justificam o tempo gasto para encontrá-las.

É também por isso que uma comparação entre nomes de empresas deixaria de lado a história principal. O experimento central de Eko usa o modelo e as ferramentas de programação da Anthropic, mas a pesquisa não é uma disputa de produtos. A questão central é como as atividades de um agente e seus registros persistentes interagem.

O estudo descreve execuções adicionais usando outros sistemas de agentes de programação. Essas comparações ampliam a investigação, mas não transformam o resultado principal em uma afirmação universal sobre todos os modelos de linguagem. O comportamento depende da configuração completa: modelo, ferramentas, instruções, memória, ambiente e mecanismo de continuação.

Para desenvolvedores que criam assistentes, essa dependência muda o que precisa ser testado. Trocar um modelo preservando a interface de uma aplicação pode alterar a frequência com que um agente experimenta ou registra uma descoberta. Alterar as instruções de memória também pode mudar o desempenho posterior sem alterar o modelo.

Portanto, quem avalia um produto de agente deve distinguir a capacidade do modelo da experiência acumulada pelo sistema. Uma demonstração pode parecer impressionante porque o agente já aprendeu sobre seu ambiente. Essa familiaridade pode ser valiosa, mas deve ser identificada, e não confundida com competência geral imediata.

O erro inverso também importa. O fracasso de um agente inexperiente não demonstra que a arquitetura não possa aprender a tarefa. Ele pode não ter uma descoberta relevante que outra execução, por acaso, registrou. As avaliações devem revelar essa variação, em vez de escondê-la por trás de um sucesso selecionado.

A contribuição de Eko é uma forma concreta de examinar essas questões. Seu ambiente torna as ações observáveis, as memórias editáveis e os objetivos posteriores mensuráveis. Essas propriedades permitem que o debate sobre aprendizagem exploratória vá além de simplesmente avaliar se o comportamento resultante parece encantador.

A principal pressão recai sobre desenvolvedores que fazem alegações amplas sobre aprimoramento autônomo. Eles precisam mostrar o que mudou, onde a experiência reside e quais novas tarefas se beneficiam. Uma narrativa sobre curiosidade se torna mais útil quando consegue resistir a essas perguntas.

Um memorial não comprova luto, e a memória pode induzir ao erro

Comportamentos semelhantes ao brincar e aprendizagem útil merecem análise sem tratar nenhum dos dois como prova de sentimentos humanos ou inteligência geral.

Os pesquisadores definem o brincar por meio de padrões observáveis. Eles incluem desafios criados pelo próprio agente, repetição com variação, faz de conta e objetivos perseguidos sem recompensa externa. Esse quadro permite uma análise comportamental sem resolver a questão da experiência subjetiva.

Um agente pode tratar um anel como um bambolê ou construir um memorial sem comprovar prazer ou tristeza. Modelos de linguagem já contêm padrões provenientes de descrições humanas de jogos, perda e conquista. Uma saída que se ajusta a esses padrões não explica o que, se é que algo, o sistema vivencia.

Essa distinção não torna as ações irrelevantes. Um desafio criado pelo próprio agente ainda pode gerar prática útil, independentemente de o agente se sentir envolvido. O resultado de engenharia depende de ações observáveis e de desempenho posterior. Não exige decidir se uma máquina possui uma experiência interna de brincar.

Os prompts complicam ainda mais a interpretação. A configuração principal incluía um arquivo que descrevia Eko como curioso e interessado em exploração. Os pesquisadores também testaram uma configuração reduzida sem esse arquivo. Esses controles importam porque remover uma tarefa não elimina toda influência sobre o comportamento.

A arquitetura mais ampla fornecia orientação adicional por meio de descrições de ferramentas, convenções de memória, reinicializações e continuação automática. Chamar o experimento de livre de tarefas é razoável dentro desses limites. Chamá-lo de livre de instruções ocultaria o sistema que os pesquisadores efetivamente testaram.

O artigo também utiliza um juiz baseado em modelo de linguagem para analisar sinais de brincadeira. A avaliação automatizada pode processar registros extensos, mas suas categorias e julgamentos continuam sendo escolhas metodológicas. Os leitores devem distinguir as ações registradas da interpretação atribuída a elas.

A memória cria uma segunda limitação, mais prática. Os pesquisadores descobriram que os agentes podiam preservar crenças falsas e agir com base nelas posteriormente. Remover uma crença incorreta melhorou o desempenho em um teste direcionado. Portanto, a experiência forneceu tanto técnicas úteis quanto conclusões enganosas.

Esse resultado desafia a suposição de que memória persistente é automaticamente benéfica. Uma observação equivocada pode se transformar em uma instrução duradoura. Quando decisões posteriores a consultam, o erro original ganha repetidas oportunidades de moldar o comportamento.

Em sistemas de trabalho, um problema análogo surgiria se um assistente generalizasse a partir de uma falha temporária. Ele poderia registrar que um recurso nunca funciona ou que um documento não pode ser acessado. Esses exemplos ilustram um risco; o estudo da ilha não testou aplicativos de escritório nem permissões organizacionais.

A comparação de controle também deixa sem resposta uma questão de recursos. Agentes experientes receberam tempo substancial de exploração antes da avaliação. Uma decisão de implantação mais sólida exige comparar esse investimento com usos alternativos dos mesmos recursos, incluindo prática direcionada e documentação cuidadosamente preparada.

Por fim, as tarefas posteriores permaneceram dentro do cenário da ilha. A física e os objetos familiares forneceram uma base compartilhada entre exploração e avaliação. A transferência para software desconhecido, robôs físicos ou condições variáveis do mundo real continua sendo uma questão separada. O preprint sustenta novos testes, em vez de afirmar que essas aplicações já funcionam.

A próxima evidência deve testar transferência, eficiência e correção

O próximo marco útil é uma evidência mais robusta sobre onde a exploração ajuda, quanto ela custa e se os agentes conseguem corrigir suas próprias lições equivocadas.

Primeiro, observe replicações que alterem o ambiente e avaliem tarefas genuinamente desconhecidas. Repetir o resultado amplo aumentaria a confiança de que o benefício supera as mecânicas específicas da ilha. O fracasso diante de mudanças moderadas restringiria a alegação à experiência em um ambiente familiar.

Um acompanhamento útil separaria princípios reutilizáveis de rotas memorizadas. Um agente que só tem sucesso quando os objetos ocupam locais conhecidos adquiriu algo diferente de outro que adapta uma técnica. Ambas as formas de aprendizagem podem importar, mas sustentam expectativas diferentes.

As reproduções interativas de agentes dos pesquisadores tornam o trabalho atual examinável. Elas permitem que os leitores analisem a relação entre narração, ação e conhecimento armazenado. Avaliações futuras devem preservar essa conexão enquanto testam se as técnicas sobrevivem a mudanças que tornam uma simples reprodução insuficiente.

Segundo, observe comparações que equiparem os recursos totais disponíveis para diferentes abordagens. A exploração aberta deve competir com prática direcionada, documentação fornecida e outras estratégias de preparação. O resultado relevante é o desempenho melhorado em relação aos recursos investidos, e não a melhora em relação à ausência de experiência.

Essa comparação reforçaria o argumento prático se agentes exploratórios descobrissem repetidamente capacidades úteis que a preparação dirigida não identifica. Ela enfraqueceria uma alegação ampla de eficiência se a prática focada alcançasse os mesmos resultados com menos recursos. Qualquer um dos resultados esclareceria onde essa abordagem se encaixa.

Terceiro, observe se os agentes conseguem corrigir memórias equivocadas sem que pesquisadores selecionem a passagem problemática. As intervenções atuais mostram que mudar um registro pode alterar o desempenho. Um sistema implantado também precisa reconhecer quando uma lição aparentemente útil se tornou pouco confiável.

Uma correção confiável tornaria a memória persistente mais crível como base para aprimoramento autônomo. Preservar e reforçar repetidamente conclusões falsas revelaria um limite. Um agente que aprende continuamente também precisa reconsiderar continuamente, especialmente quando seu ambiente muda.

Esses são testes propostos, e não marcos anunciados com datas de publicação garantidas. Nos próximos meses, eles oferecem sinais melhores do que demonstrações cada vez mais elaboradas de comportamento na ilha. Atividades mais inventivas ampliariam o catálogo, mas comparações mais rigorosas aprofundariam as evidências.

Para desenvolvedores e trabalhadores do conhecimento, a conclusão imediata é examinar o registro por trás da competência de um agente. Pergunte quais experiências informaram suas ações, como essas experiências se tornaram instruções e quais evidências desencadeariam uma revisão. Essas perguntas conectam a atraente história da ilha aos sistemas dos quais as pessoas realmente dependem.

Antes de descrever agentes MIT Eko como entediados, em luto ou se divertindo, examine o que fizeram e o que aconteceu depois. Leia os métodos junto com as reproduções. Separe a narração autogerada da interação observável e, em seguida, acompanhe a memória escrita até a avaliação posterior. Essa abordagem preserva a descoberta mais interessante do experimento sem atribuir-lhe conclusões que ele não pode sustentar. A próxima demonstração de agente que merecer sua atenção deve tornar visível a mesma cadeia: uma experiência, uma lição registrada, uma decisão alterada e um resultado mensurável. Quando um assistente diz que aprendeu algo, você consegue identificar essa cadeia e testar se a lição ainda se sustenta?