论文与研究

MineExplorer:首个《我的世界》分钟级长程任务评测基准发布

原文标题: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 摘要

美团 LongCat 团队发布 MineExplorer,这是首个在《我的世界》开放世界中实现分钟级长程任务的评测基准,包含 813 个人工验证实例。评测 18 款顶级多模态大模型发现,最强模型 Claude-Opus-4.6 整体任务成功率仅 41%,从 1 跳任务的 77% 骤降至 4 跳任务的 12%,近 60% 的失败源于导航失败。MineExplorer 已全面开源。

关键信息

  • 美团 LongCat 团队发布 MineExplorer,这是首个在《我的世界》开放世界中实现分钟级长程任务的评测基准,包含 813 个人工验证实例。
  • 评测 18 款顶级多模态大模型发现,最强模型 Claude-Opus-4.
  • 6 整体任务成功率仅 41%,从 1 跳任务的 77% 骤降至 4 跳任务的 12%,近 60% 的失败源于导航失败。
  • MineExplorer 已全面开源
  • 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

速览

发布时间
更新时间
来源
公众号:龙猫LongCat(美团)
分类
论文与研究
AI 评分
68
阅读原文 前往信息源阅读完整正文
推荐理由

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。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:MineExplorer:首个《我的世界》分钟级长程任务评测基准发布。2026年7月23日。https://new.nat6.net/news/cmryewabt00mnrolg1nxcjf18/

查看全部 →