MineExplorer：评估在《我的世界》中开放世界环境下MLLM智能体的探索能力

MineExplorer: Evaluating Open-World Exploration of MLLM Agents in Minecraft

Meituan 团队发布 MineExplorer 基准，用于评估多模态大语言模型在 Minecraft 中的开放世界探索能力。该基准通过过滤依赖特定游戏知识的原子任务、构建 ReAct 风格的多跳隐式任务，并利用多智能体合成工作流生成更可靠的测试实例。实验表明，尽管强模型能处理单步任务，但在需协调长轨迹隐藏前置条件的场景下表现急剧下降；且任务难度与完成度正相关，大模型或特定思考模式并未带来一致的性能提升。代码与数据集已开源。