168电玩城怎么无法下载了

该工作由通用人工智能研究院 × 北京大学联手打造⑮。第一作者郑欣悦为通用人工智能研究院研究员⑲，共同一作为北京大学人工智能研究院博士生林昊苇④，作者为北京大学助理教授梁一韬和通用人工智能研究院研究员郑子隆⑪。

开发能在开放世界中完成多样任务的通用智能体⑪，是AI领域的核心挑战⑤。开放世界强调环境的动态性及任务的非预设性③，智能体必须具备真正的泛化能力才能稳健应对❷。然而②，现有评测体系多受限于任务多样化不足⑯、任务数量有限以及环境单一等因素⑤，难以准确衡量智能体是否真正「理解」任务⑰，或仅是「记住」了特定解法⑰。

为此▓，我们构建了Minecraft Universe——一个面向通用智能体评测的生成式开放世界平台⑨。MCU 支持自动生成无限多样的任务配置②，覆盖丰富生态系统⑫、复杂任务目标①、天气变化等多种环境变量⑱，旨在全面评估智能体的真实能力与泛化水平⑨。该平台基于高效且功能全面的开发工具MineStudio构建⑦，支持灵活定制环境设定⑯，大规模数据集处理⑬，并内置 VPTs❸、STEVE-1 等主流 Minecraft 智能体模型④，显着简化评测流程⑨，助力智能体的快速迭代与发展❷。

论文地址：https://arxiv.org/pdf/2310.08367

代码开源：https://github.com/CraftJarvis/MCU

项目主页：https://craftjarvis.github.io/MCU

开放世界AI⑰，亟需理想的评测基准▓！

传统测试基准包含有标准答案的任务❸，但开放世界任务 Minecraft 有着完全不同的挑战：

目标开放多样：任务没有唯一解❷，策略可以千变万化⑪；

环境状态庞杂：状态空间近乎无限❶，还原真实世界复杂度▓；

长周期任务挑战：关键任务持续数小时❸，智能体需长期规划⑭。

在这样的环境中⑱，我们需要的不只是一个评分系统⑤，而是一个维度丰富❸、结构多元的综合评测框架⑪。

MCU：为开放世界 AI 打造的「全方位试炼场」

当前已有不少 Minecraft 的测试基准⑮，但它们普遍面临「三大瓶颈」：

任务单一：局限于如挖钻石④、制造材料等少数几个场景的循环往复④。

脱离现实：部分建模任务甚至超出了普通人类玩家的能力范畴⑫。

依赖人工评测：效率低下❷，导致评测难以规模化推广⑮。

与之前 minecraft 测试基准对比示意图①。

针对以上痛点③，MCU 实现了以下三大核心突破：

一：3,452 个原子任务 × 无限组合生成⑬，构筑海量任务空间

MCU 构建了一个覆盖真实玩家行为的超大任务库：

11 大类 × 41 子类任务类型：如挖矿⑦、合成⑳、战斗❷、建造等⑳；

每个任务都是「原子级粒度」：可独立测试控制⑧、规划⑱、推理①、创造等能力③；

支持 LLM 动态扩展任务④，比如：用钻石剑击败僵尸⑥、雨天徒手采集木材⑯、

在沙漠中建一座水上屋⑰。

任意组合这些原子任务⑬，即可生成无限的新任务④，每一个都对 AI 是全新挑战⑭！

模拟多样化真实世界挑战⑳。

二. 任务全自动生成 × 多模态智能评测①，革新评估效率

GPT-4o 赋能⑰，一句话生成复杂世界：

自动生成完整的任务场景⑦。

智能验证任务配置的可行性②，有效避免如「用木镐挖掘钻石」这类逻辑错误型任务❶。

VLM驱动⑱，彻底改变了传统人工打分的低效模式：

基于 VLM 实现对任务进度①、控制策略⑨、材料利用率②、执行效率❷、错误检测及创造性六大维度的智能评分⑯。

模型自动生成详尽的评估文本⑫，评分准确率高达91.5%

评测效率相较人工提升8.1 倍⑲，成本仅为人工评估的1/5⑦！

任务生成 x 多模态评测流程图⑨。

三：高难度 × 高自由度的「试金石」任务设计⑱，深度检验泛化能力

MCU 支持每个任务的多种难度版本⑥，如：

「白天在草原击杀羊」VS「夜晚在雨林躲避怪物并击杀羊」③；

「森林里造瀑布」VS「熔岩坑边缘建造瀑布」⑬。

这不仅考验 AI 是否能完成任务▓，更深度检验其在复杂多变环境下的泛化与适应能力⑩。

打破「模型表现良好」的幻象：现有 SOTA 模型能否驾驭 MCU ②？

我们将当前领域顶尖的 Minecraft 智能体引入 MCU 进行实战检验：GROOT：视频模仿学习代表⑬；STEVE-I：指令执行型控制器⑯；VPT：基于 YouTube 行为克隆训练而成的先驱①。结果发现⑮，这些智能体在简单任务上表现尚可②，但在面对组合任务和陌生配置场景时⑰，完成率急剧下降⑤，且错误识别与创新尝试是其短板⑯。

SOTA 模型在 MCU 上的测试结果▓。

研究团队引入了更细粒度的任务进度评分指标②，区别于传统 0/1 式的「任务完成率」⑱，它能动态刻画智能体在执行过程中的阶段性表现⑩，哪怕任务失败⑧，也能反映其是否在朝正确方向推进④。

实验发现⑭，当前主流模型如 GROOT❸、STEVE-I⑥、VPT-RL⑳，在原子任务中尚有可圈可点的表现⑮，但一旦面对更具组合性和变化性的任务⑪，其成功率便会骤降⑰。甚至对环境的微小改动也会导致决策混乱⑳。比如「在房间内睡觉」这个看似简单的任务⑦，仅仅是将床从草地搬到屋内⑩，就让 GROOT 频繁误把箱子当床点击⑥，甚至转身离开现场——这揭示了现有模型在空间理解与泛化上的明显短板▓。

更令人警醒的是③，智能体在建造▓、战斗类任务中的「创造性得分」与「错误识别能力」几乎全面落后⑩。这说明它们尚未真正具备人类那种「发现问题①、调整策略」的自主意识⑬，而这正是通用智能迈向下一个阶段的关键⑲。

MCU 的评测结果首次系统性地揭示了当前开放世界智能体在「泛化⑨、适应与创造」这三大核心能力上存在的鸿沟⑧，同时也为未来的研究指明了方向：如何让 AI 不仅能高效完成任务⑦，更能深刻理解任务的本质⑩，并创造性地解决复杂问题❷。

转载：感谢您对电玩城捕鱼种类都有的软件网站平台的认可▓，以及对电玩城捕鱼种类都有的软件原创作品以及文章的青睐⑨，非常欢迎各位朋友分享到个人站长或者朋友圈⑥，但转载请说明文章出处“来源电玩城捕鱼种类都有的软件”⑪。

很赞哦❸！