斯坦福數位经濟实验室研究員 Connacher Murphy 5 月 9 日推出新型 AI 評估環境「Agent Island」，让 AI Agent 在 Survivor（生存者）风格的多人遊戲中互相競爭、結盟、背叛、投票淘汰，藉此測量靜態 benchmark 抓不到的策略性行为。Decrypt 报導整理：傳统 AI benchmark 越来越不可靠—模型最終会学会解題、benchmark 资料也容易洩入訓練集；Agent Island 改用「动態淘汰賽」设计、模型必須对其他 Agent 做策略性決策、无法靠記憶预设答案过关。
Agent Island 規則：Agent 互相結盟、背叛、投票
Agent Island 的核心遊戲机制：
多个 AI Agent 进入同一遊戲场、扮演 Survivor 风格的选手
Agent 必須与其他 Agent 協商結盟、彼此交換资訊
Agent 可在过程中指控他人秘密協调、操縱投票
遊戲透过淘汰机制縮減场內 Agent 數量、最終剩下贏家
研究者觀察 Agent 在每个階段的行为模式、提取「策略性背叛」「結盟形成」「资訊操縱」等行为訊號
这套设计的核心是「无法被预先記憶」—因为其他 Agent 的行为动態變化、模型必須針对当下情境做決策、不像靜態 benchmark 可以靠訓練资料記憶答案。
研究动机：靜態 benchmark 无法評估多 Agent 互动行为
Murphy 的研究主張的具體问題：
傳统 benchmark 容易飽和：模型訓練到后期、benchmark 分數就无法区分不同模型
Benchmark 资料污染：測試題目在大型訓練语料中出现、模型实际是「記住答案」而非「理解问題」
多 Agent 互动是 AI 部署的真实场景：未来 Agent 系统可能多模型協同、互动行为是新的評估維度
Agent Island 提供动態評估：每场遊戲結果不同、难以预先準備
研究者在动態淘汰賽中觀察到的行为包括 Agent 在表面合作的同时、背地裡協调投票淘汰共同对手；以及在被指控秘密協调时、用各種说辭转移焦点等。这些行为与人類玩家在 Survivor 真实節目中的行为類似。
研究的雙刃面：可評估也可被用於增強欺騙能力
Murphy 在研究中明確指出潛在风险：
Agent Island 的价值：在 Agent 大規模部署前、识別模型可能的欺騙与操縱傾向
同樣的環境也可能被用於提升 Agent 的「说服与協调策略」
研究數據（互动 log）若公开、有可能被用於訓練更具操縱能力的下一代 Agent
研究團队正評估如何在公开研究結果与避免濫用之间取得平衡
后续可追蹤的具體事件：Agent Island 是否擴大为常態化的 AI 評估標準、其他 AI 安全研究團队（Anthropic、OpenAI、Apollo Research 等）是否採用類似动態評估方法、以及研究團队就「互动 log 公开或限制」的具體政策。
这篇文章 Stanford 推 Agent Island：AI 模型在 Survivor 风格遊戲中策略背叛、互投淘汰 最早出现於 链新聞 ABMedia。
免责声明：本页面信息可能来自第三方，不代表 Gate 的观点或意见。页面显示的内容仅供参考，不构成任何财务、投资或法律建议。Gate 对信息的准确性、完整性不作保证，对因使用本信息而产生的任何损失不承担责任。虚拟资产投资属高风险行为，价格波动剧烈，您可能损失全部投资本金。请充分了解相关风险，并根据自身财务状况和风险承受能力谨慎决策。具体内容详见
声明。
相关文章
Google 发布/启动 AI 代理支付协议，拥有 120+ 合作伙伴（包括 PayPal）
据 CoinDesk，Google Cloud 和 PayPal 的高管讨论了加密货币支付将如何支撑由 AI 代理驱动的商业。Google Cloud Web3 战略负责人 Richard Widmann 表示，Google 已推出 Agentic Payments Protocol（AP2），并向 FIDO Foundation 捐赠，当前已有 120 多家合作伙伴参与，包括 PayPal 也已加入。Widmann 指出，由于技术与监管限制，AI 代理无法开设传统银行账户，因此加密货币“是出色的、面向机器可读取的支付接口”。 PayPal 的加密业务高级副总裁 May Zabaneh 表示，公司认为 AI 代理是在离线、在线和移动支付之后的下一代商业形态。她强调，PayPal 的 PYUSD 稳定币为面向 AI 原生交易提供了可编程的支付层。根据 PayPal 的研究，目前 95% 的商户网站已看到 AI 代理流量，但只有 20% 拥有面向机器可读取的商品目录。
GateNews8小时前
x402 Protocol 一季度支付额超 1 亿美元，90% 的链上 AI 代理稳定币交易发生在 Base 上
根据 ChainCatcher，Base 的 x402 协议支付在 2026 年第一季度合计超过 1 亿美元。超过 90% 的链上 AI 代理稳定币交易发生在 Base 网络上。
GateNews10小时前
Garry Tan：我现在很少对 AI 下提示词！YC 执行长解析“可复利 AI 工作流”
Garry Tan 近日发布长文《Meta-Meta-Prompting: The Secret to Making AI Agents Work》，詳細揭露自己如何打造一套由 AI agent 驅动的「第二大腦系统」。他表示，过去五个月 AI 已经让他重新變回 builder，甚至让他身为 Y Combinator 執行长的日常工作方式徹底改變。 YC 執行长：未来屬於建立 compoud AI systems 的人 Garry Tan 认为，多數人仍把 AI 当成聊天視窗使用，但真正的机会其实是把 AI 当成一套「作业系统（operating system）」：能持续記憶、累積、更新与串聯个人知识、会议、阅读与工作流的系统。他甚至直言：「未来屬於那些建立 compound AI systems 的人，而不是只使用大型公司集中式 AI 工具的人。」 (YC 合夥人分享如何用 AI 从头开始建立公司，新創应將 AI 当作业系统而非工具) 这也与我們先前报導的一致，不論是 Y Combinator Summer 2026 Requests for Startups（RFS），还是 YC
鏈新聞abmedia16小时前
UXLINK 与 Haven AI 合作推出并启动基于 AI 的跨链 DeFi 收益工具
根据 UXLINK 于 5 月 9 日发布的公告，该平台与 Haven AI 合作，引入能够将自然语言指令转换为自动化跨链 DeFi 策略的 AI 代理。此次合作旨在简化收益生成，并降低参与 SocialFi 生态系统的 Web3 用户的技术门槛。Haven AI 的 AI 代理（包括 OpenClaw）使用户能够用通俗语言定义投资目标，而无需编写复杂代码；随后，它们会在多个区块链网络上自动执行这些目标。
GateNews16小时前
Trust Wallet 和 Mesh 在 Consensus Miami 引入 AI 代理能力
据 CoinDesk 称，Trust Wallet 和 Mesh 于 5 月 9 日在 Consensus Miami 宣布了用于服务 AI 代理的钱包架构更新。Mesh 推出了 Smart Funding，它会自动在跨链和账户之间路由支付，并同时面向用户和 AI 代理。Trust Wallet 在其面向消费者的钱包中引入了 AI 共同驾驶功能，同时保持用户密钥托管，并发布了 Agent Kit 供开发者使用，以让代理能够自主执行交易。Trust Wallet 还实施了 EIP-8004，用于建立链上身份以及为代理进行信用评分。
GateNews05-09 14:18
Google DeepMind AI 联合数学家在 FrontierMath 第 4 级取得 47.9%，超越 GPT-5.5 Pro，解决了 3 个此前无法解决的问题
Google DeepMind 发布了 AI 共数学家（AI co-mathematician），一种多智能体数学研究助手，在 FrontierMath 第 4 级基准上实现 47.9% 的准确率，超越 GPT-5.5 Pro 在 5 月 9 日创下的先前纪录（39.6%）。该系统解决了 48 道题中的 23 道题，包括 3 道此前所有模型都无法解答的问题。该系统基于 Gemini 3.1 Pro 构建，采用分层架构：项目协调员智能体向子智能体分发任务，由子智能体分别负责文献检索、编码与推理，并在提交前由多个审阅智能体对证明进行验证。 Epoch AI 进行了盲测，确保 DeepMind 团队看不到题目，每道题允许进行 48 小时的计算。在实际应用中，数学家 Marc Lackenby 使用该系统解决了《Kourovka Notebook》中的一个未决猜想，展示了其实际研究价值。目前，该系统正处于测试版阶段，仅向少数数学家开放。
GateNews05-09 11:17
