MineExplorer: Minecraft के लिए पहला मिनट-स्तरीय लंबी अवधि कार्य मूल्यांकन बेंचमार्क जारी
मूल शीर्षक: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 सारांश
Meituan की LongCat टीम ने MineExplorer जारी किया, जो Minecraft की खुली दुनिया में मिनट-स्तरीय लंबी अवधि कार्यों का मूल्यांकन करने वाला पहला बेंचमार्क है, जिसमें 813 मानव-सत्यापित उदाहरण हैं। 18 शीर्ष मल्टीमॉडल बड़े भाषा मॉडल के मूल्यांकन में पाया गया कि सबसे मजबूत मॉडल Claude-Opus-4.6 की समग्र कार्य सफलता दर केवल 41% है, जो 1-हॉप कार्यों के 77% से घटकर 4-हॉप कार्यों में 12% रह गई, और लगभग 60% विफलताएं नेविगेशन विफलता से हुईं। MineExplorer पूरी तरह ओपन-सोर्स है।
मुख्य जानकारी
- Meituan की LongCat टीम ने MineExplorer जारी किया,जो Minecraft की खुली दुनिया में मिनट-स्तरीय लंबी…
- जिसमें 813 मानव-सत्यापित उदाहरण हैं। 18 शीर्ष मल्टीमॉडल बड़े भाषा मॉडल के मूल्यांकन में पाया गया…
- 6 की समग्र कार्य सफलता दर केवल 41% है,जो 1-हॉप कार्यों के 77% से घटकर 4-हॉप कार्यों में 12% रह…
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- स्रोत
- 公众号:龙猫LongCat(美团)
- श्रेणी
- पेपर और शोध
- AI स्कोर
- 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。
संबंधित एंटिटी
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: MineExplorer: Minecraft के लिए पहला मिनट-स्तरीय लंबी अवधि कार्य मूल्यांकन बेंचमार्क जारी। 23 जुलाई 2026। https://new.nat6.net/hi/news/cmryewabt00mnrolg1nxcjf18/