Makalah & Riset

MineExplorer: benchmark tugas jangka panjang tingkat menit pertama untuk Minecraft dirilis

Judul asli: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

Ringkasan AI

Tim LongCat dari Meituan merilis MineExplorer, benchmark pertama yang mencapai tugas jangka panjang tingkat menit di dunia terbuka Minecraft, berisi 813实例 yang diverifikasi secara manual. Evaluasi terhadap 18 model bahasa besar multimodal terkemuka menemukan bahwa model terkuat Claude-Opus-4.6 hanya memiliki tingkat keberhasilan keseluruhan 41%, turun drastis dari 77% pada tugas 1 hop menjadi 12% pada tugas 4 hop, dengan hampir 60% kegagalan berasal dari kegagalan navigasi. MineExplorer telah sepenuhnya dirilis sebagai sumber terbuka.

Poin utama

  • Tim LongCat dari Meituan merilis MineExplorer,benchmark pertama yang mencapai tugas jangka panjang…
  • Evaluasi terhadap 18 model bahasa besar multimodal terkemuka menemukan bahwa model terkuat…
  • 6 hanya memiliki tingkat keberhasilan keseluruhan 41%,turun drastis dari 77% pada tugas 1 hop…
  • MineExplorer telah sepenuhnya dirilis sebagai sumber terbuka.

Ringkasan cepat

Waktu terbit
Waktu diperbarui
Sumber
公众号:龙猫LongCat(美团)
Kategori
Makalah & Riset
Skor AI
68
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

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。

Entitas Terkait

Sumber dan hak cipta

Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.

Tautan asli · Entri AIHOT

Cara mengutip

Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.

Orange News: MineExplorer: benchmark tugas jangka panjang tingkat menit pertama untuk Minecraft dirilis. 23 Juli 2026. https://new.nat6.net/id/news/cmryewabt00mnrolg1nxcjf18/

Lihat semua →