Статьи и исследования

MineExplorer: выпущен первый бенчмарк минутных длинных задач в Minecraft

Оригинальный заголовок: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

ИИ-резюме

Команда LongCat компании Meituan выпустила MineExplorer — первый бенчмарк для минутных длинных задач в открытом мире Minecraft, включающий 813 вручную проверенных примеров. Оценка 18 ведущих мультимодальных больших моделей показала, что у сильнейшей модели Claude-Opus-4.6 общая успешность составляет лишь 41%, падая с 77% на задачах в 1 шаг до 12% на задачах в 4 шага; почти 60% неудач связаны с ошибками навигации. MineExplorer полностью открыт.

Ключевые моменты

  • Команда LongCat компании Meituan выпустила MineExplorer — первый бенчмарк для минутных длинных…
  • Оценка 18 ведущих мультимодальных больших моделей показала,что у сильнейшей модели Claude-Opus-4.
  • 6 общая успешность составляет лишь 41%,падая с 77% на задачах в 1 шаг до 12% на задачах в 4 шага
  • почти 60% неудач связаны с ошибками навигации.
  • MineExplorer полностью открыт.

Кратко

Опубликовано
Обновлено
Источник
公众号:龙猫LongCat(美团)
Категория
Статьи и исследования
Оценка ИИ
68
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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。

Связанные сущности

Источник и авторские права

Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.

Оригинал статьи · Материал на AIHOT

Как цитировать

При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.

Orange News: MineExplorer: выпущен первый бенчмарк минутных длинных задач в Minecraft. 23 июля 2026. https://new.nat6.net/ru/news/cmryewabt00mnrolg1nxcjf18/

Смотреть все →