研究人员推出了一种名为“世界编辑”的新功能，用于在可执行环境（如视频游戏）中进行干预，同时保留预期属性。他们开发了一个名为 IGMBench 的基准测试，包含《我的世界》和《泰拉瑞亚》中的 110 项任务，以评估此功能。该基准测试使用确定性可执行性、行为、保留和视觉检查，评估属性、实体、动态和系统层面的干预。当前前沿的编码代理表现出显著的熟练度，在严格的标准下解决了超过 78% 的任务，尽管可靠性随着干预深度的增加而降低，并且视觉一致性仍然是一个挑战。 AI
影响 这项研究可能催生更复杂的 AI 代理，能够在模拟环境中进行复杂修改，从而影响游戏开发和 AI 训练。
排序理由 该集群描述了一篇介绍新功能和基准测试的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
