标签
a16z 的 Josh Elman 表示，在 Roblox 和 Minecraft 中长大的孩子们会期待能重新混搭和控制他们使用的所有软件，这种趋势将影响未来的产品设计。
Minecraft Java Edition 26.2引入了混沌立方体更新，包含硫磺立方体生物、硫磺洞穴生物群系、新方块、音乐、好友列表，以及实验性的Vulkan 1.2渲染支持。
论文提出了TickingCollabBench，这是一个基于Minecraft的多智能体基准测试，用于动态环境中的时间敏感互补协作任务，并展示了与全局知识预言机相比，大语言模型在此类条件下经常失败。
WISE提出了一种用于Minecraft的长视距智能体框架，通过因果事件图增强低级控制器的情景记忆，使其能够在视角变化下稳健回忆，并通过因果推理实现机会性任务重排序。该框架还采用了多尺度渐进探索策略，在长视距稀疏任务上展示了更高的成功率和效率。
在Minebench（Minecraft）基准测试中，对GPT和Claude Opus多种模型版本进行比较，并针对特定建筑对GPT-5.5和Fable 5进行了详细评判。
有人用Claude Fable 5（max）花费约30美元一次性生成了一个包含背景音乐的Minecraft HTML版本，画面还原度很高。
展示了Claude Fable 5强大的视觉能力，仅用一个提示词配合three.js就能复刻出《我的世界》风格的游戏场景，画面感和3D效果令人惊叹。
一位 Minecraft 玩家使用了 Gemini Omni Flash 人工智能模型。
MineExplorer基准测试通过多智能体合成设计的原子任务和多跳任务，评估了多模态大语言模型代理在《我的世界》中的开放世界探索能力。实验表明，开放世界探索仍具挑战性，强模型在长轨迹中性能急剧下降。
GROW提出了一种新颖的强化学习框架，通过将轨迹分解为状态-动作对并计算它们之间的优势，将GRPO适配到多轮VLM智能体任务中，在超过800个Minecraft任务上实现了最先进的性能。
一位计算机科学专业（辅修数学）的毕业生利用红石电路在《我的世界》中打造了一台功能完备的32位计算机。
2b2t Minecraft 服务器的世界下载项目发布了 24 TB 的数据，覆盖了主世界、下界和末地的大片区域，该项目经过一年多的开发，使用了自定义工具和机器人账号来实现。
在MineBench的3D Minecraft结构任务中，Kimi K2.6相比K2.5质量提升显著，同时每次运行仅2.35美元，性价比极高。
一位爱好者成功在修复的1960年代UNIVAC 1219B（仅250 kHz CPU、90 KB内存）上运行Minecraft服务器、NES模拟器、Web服务器和现代加密算法。
由麻省理工学院前教授罗伯特·杨博士创办的 Altera，推出了由 GPT-4o 驱动的自主 AI 智能体，可以与人类协作玩《我的世界》。该公司通过将 OpenAI 的语言模型与受脑启发的并行架构相结合，解决了长时间 AI 自主运行中的数据退化问题。
OpenAI 推出了视频预训练（VPT），这是一种半监督方法，通过学习 70,000 小时的未标注人类游戏视频和少量标注数据集来训练神经网络玩 Minecraft。该模型使用原生人类界面（键盘和鼠标）学习复杂的序列任务，展示了制作钻石工具和柱子跳跃等能力，代表了朝向通用计算机使用代理的进步。
OpenAI 联合组织 MineRL 2020 竞赛，推进样本高效的强化学习算法研究，这些算法能够利用人类示范。参赛者需要在仅有 800 万个模拟器样本和 4 天单 GPU 训练时间的限制下，在 Minecraft 中获得钻石，同时可以访问 6000 多万帧的人类示范数据集。
OpenAI 提出了师生课程学习（TSCL）框架，其中一个教师算法自动为学生选择子任务以学习复杂任务，基于学习曲线斜率进行优化并防止遗忘。该方法在十进制加法和 Minecraft 导航任务上与手工设计的课程相当或更优，使得之前无法通过直接训练实现的解决方案成为可能。