MirrorCraft：Minecraft 隐藏规则变化配对评测基准

论文作者提出 MirrorCraft，一个在 Minecraft 中评估 LLM 智能体应对隐藏规则变化的配对评测基准。每个 Mirror 世界与其配对的 Vanilla 世界在地形、资源、任务和操作预算上完全匹配，仅通过数据包静默修改部分服务器端规则。 基准包含五种受控生物群系中的 10 个 Vanilla 世界、六套规则套件和三个进度任务；论文作者在统一的 Mineflayer 接口下评测了两个 LLM 和六种智能体配置。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。