MineExplorer: Inilabas ang unang minute-level long-horizon task evaluation benchmark sa Minecraft
Orihinal na pamagat:让AI离开温室,走向动态世界:MineExplorer揭示顶级多模态大模型被忽视的能力断层
AI summary
Inilabas ng LongCat team ng Meituan ang MineExplorer, ang unang evaluation benchmark na nakamit ang minute-level long-horizon tasks sa open world ng Minecraft, na may 813 na manually verified instances. Sa pag-evaluate sa 18 top multimodal large models, natuklasan na ang pinakamalakas na model na Claude-Opus-4.6 ay may overall task success rate na 41% lamang, na bumaba nang husto mula 77% sa 1-hop tasks patungo sa 12% sa 4-hop tasks, at halos 60% ng failures ay nagmula sa navigation failures. Ganap na open source na ang MineExplorer.
Mahahalagang impormasyon
- Inilabas ng LongCat team ng Meituan ang MineExplorer,ang unang evaluation benchmark na nakamit ang…
- Sa pag-evaluate sa 18 top multimodal large models,natuklasan na ang pinakamalakas na model na…
- 6 ay may overall task success rate na 41% lamang,na bumaba nang husto mula 77% sa 1-hop tasks…
- Ganap na open source na ang MineExplorer.
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- 公众号:龙猫LongCat(美团)
- Kategorya
- Mga Papel at Pananaliksik
- AI na marka
- 68
18 个顶级多模态模型在 Minecraft 里全翻车,每多一层隐藏前置条件成功率就砍半,搞具身智能的该看看感知和行动之间还隔着什么。
Kaugnay na Entity
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: MineExplorer: Inilabas ang unang minute-level long-horizon task evaluation benchmark sa Minecraft. 23 Hulyo 2026. https://new.nat6.net/fil/news/cmryewabt00mnrolg1nxcjf18/