多模態AIの長距離タスク遂行能力を評価する「MineExplorer」が公開
要点：美団が公開した『Minecraft』環境での長距離タスク評価基盤です。主要な多模態モデルを検証した結果、複雑なタスクにおける成功率が大幅に低下することが判明しました。
日本の事業者にとって、なぜ重要？
AIエージェントの実用化には、長期的な計画遂行能力が不可欠です。本研究は、現在のAIが抱える「複雑な手順の完遂」という課題を可視化しており、業務自動化の導入検討における限界値の把握に役立ちます。
元記事
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
元記事を読むAI評価
外部公開データの選定スコアです。評価元の掲載内容も確認できます。
選定元：AI HOT