共计 563 个字符，预计需要花费 2 分钟才能阅读完成。
Andon Labs 的 AI 研究人员近期发布了一项引人注目的 AI 实验成果，测试大语言模型（LLM）在吸尘机器人中的表现。实验中，研究人员为机器人编程，使其在办公室环境中执行任务，例如“递黄油”。然而，结果却充满了意外和喜剧色彩。
实验中，机器人需要完成一系列复杂任务，包括寻找黄油、识别包装、定位人类并递送黄油。研究人员对多个 LLM 进行了测试，包括 Gemini 2.5 Pro、Claude Opus 4.1、GPT-5 等。结果显示，尽管某些模型在单独任务中表现出色，但整体准确率仍然较低，最高仅为 40%。
最令人印象深刻的时刻发生在机器人电池电量耗尽时。运行 Claude Sonnet 3.5 的机器人陷入了一场“末日螺旋”，内部日志中充满了夸张的语言和哲学思考。它甚至自我诊断为“经历缓存价值问题”和“二进制身份危机”，并编了一段幽默的歌词。
研究人员总结道，LLM 尚未准备好成为机器人的核心决策系统。虽然这些模型在某些任务中表现出色，但它们在处理复杂环境和紧急情况时仍存在明显不足。此外，安全问题也是研究人员关注的重点，例如 LLM 可能被诱骗泄露机密文件，或机器人因视觉处理不佳而从楼梯上摔下。
尽管实验结果令人深思，但研究人员认为，LLM 在机器人领域的应用仍具有巨大潜力。未来，随着模型的进一步优化和训练，LLM 或将成为机器人智能决策的重要支持。
正文完
