arXiv · AI· Yuxuan Cao, Junlong Li, Hao Li, Junxian He·· 2026-10-09AI 评分27
Mine Odyssey 基准测试现实世界中的空间智能体能力
Mine Odyssey: Benchmarking Spatial Agentic Intelligence in the Wild
AI 导读
Mine Odyssey 基准包含 180 个基于 Minecraft 现实地点重建的任务,覆盖五大洲 30 个地点。 任务涉及 20 个室外和 10 个室内场景,测试包括寻找入口、开门和使用楼梯等复杂导航能力。 在 8 个测试模型中,GPT-6 Astra 成功率达 85.6%,而最强的开源权重模型 DeepSeek-V4.1-Flash 仅 23.9%,显示当前智能体空间智能存在显著不足。
来源:arXiv · AI · arxiv.org