Gemini 4 Argonが27時間で攻略

10月15日にarXivで公開されたこのプレプリントは、ピクセルからキーボードへのポリシーを学習する（VPT、DreamerV3、SIMA 2など）か、人間が作ったツールとカリキュラムを持つプランナーとして言語モデルを使う（VoyagerやAI Bengineeringなど）かのいずれかだった従来のマインクラフトAI研究を背景にしている。DeepMindチームはそうした補助をすべて取り除き、4体の汎用コーディングエージェントに短い非同期JavaScriptプログラムを書かせ共有させた。エージェントは共有メモリファイルやヘルパー関数を含む永続状態をプログラム間で維持し、ゲーム内チャットでエラーを修正した。

最も印象的な構造的詳細は、エージェントがネザーでのナビゲーション失敗にどう対処したかだ。あるエージェントが危険な座標でのプログラム評価を禁じるルールを提案したのに対し、別のエージェントは代わりに2ブロックの棚を掘って帰還経路を1ブロックの段差にし、ルール自体を不要にした。著者らはこれを局所的な禁止事項の蓄積ではなく、環境のトポロジーの変更と位置づけている。

一方で論文自体が明確な限界を指摘している。エージェントはピクセルを知覚するのではなくゲームAPIから構造化テレメトリを直接読み取り、訓練データにあるマインクラフトの事前知識に依存していた。また実行中には605回の死亡と、チームが土ブロックでクリスタルの塔を登る最小コストの戦術を見つけるまでEndでの長い停滞が発生した。著者らはこの結果が試した単一の起動に過ぎず、ランダムシードを変えて何度成功するかは未解決だと明言している。