MineExplorer:『Minecraft』初の分単位長距離タスク評価ベンチマークを公開
原題: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 要約
美団 LongCat チームは、『Minecraft』のオープンワールドで分単位の長距離タスクを実現する初の評価ベンチマーク MineExplorer を発表した。813 件の人手検証済みインスタンスを含む。18 のトップマルチモーダル大規模言語モデルを評価した結果、最強モデル Claude-Opus-4.6 の総合タスク成功率はわずか 41% で、1 ホップタスクの 77% から 4 ホップタスクの 12% へと急落し、失敗の約 60% はナビゲーション失敗に起因することが分かった。MineExplorer は全面的にオープンソース化されている。
要点
- 美団 LongCat チームは、『Minecraft』のオープンワールドで分単位の長距離タスクを実現する初の評価ベンチマーク MineExplorer を発表した。
- 813 件の人手検証済みインスタンスを含む。
- 18 のトップマルチモーダル大規模言語モデルを評価した結果、最強モデル Claude-Opus-4.
- 6 の総合タスク成功率はわずか 41% で、1 ホップタスクの 77% から 4 ホップタスクの 12% へと急落し、失敗の約 60% はナビゲーション失敗に起因することが分かった。
- MineExplorer は全面的にオープンソース化されている
概要
- 公開日時
- 更新日時
- カテゴリ
- 論文・研究
- AI スコア
- 68
おすすめの理由
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。
関連エンティティ
出典と著作権
本記事は AIHOT の公開 API が提供する厳選タイトルと AI 要約に基づいており、出典の明記と元記事へのリンクを行っています。原文の著作権は元の媒体と著者に帰属し、当サイトは全文を転載しません。
引用方法
本記事を引用する際は、タイトル・日付・パーマリンクを保持し、出典をOrange Newsと明記してください。
Orange News:MineExplorer:『Minecraft』初の分単位長距離タスク評価ベンチマークを公開。2026年7月23日。https://new.nat6.net/ja/news/cmryewabt00mnrolg1nxcjf18/