85
Nghiên cứu
MineExplorer: Ra mắt bộ tiêu chuẩn đánh giá tác vụ dài trong Minecraft
(giờ Việt Nam)
Tóm tắt AI
Đội ngũ LongCat của Meituan giới thiệu MineExplorer, bộ tiêu chuẩn đầu tiên đánh giá khả năng thực hiện các tác vụ dài trong Minecraft. Kết quả cho thấy ngay cả những mô hình mạnh nhất như Claude-Opus cũng gặp khó khăn lớn với các chuỗi nhiệm vụ phức tạp, chủ yếu do lỗi điều hướng.
Bài viết được AI dịch và tổng hợp tự động từ : LongCat (Meituan). Liên kết bài gốc ở phía trên. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.