美团技术团队·· 2 小时前AI 评分58
美团 LongCat 发布 MineExplorer：首个开放世界长程任务评测基准，18 款顶级多模态模型集体考砸
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 导读
美团 LongCat 团队构建了 MineExplorer，一个在《我的世界》动态开放世界中评测多模态大模型的基准，包含 813 个人工验证实例（1-hop 到 4-hop）和规则化里程碑自动评测框架。
来源：美团技术团队 · tech.meituan.com