AI 搜索

带引用 · 可溯源

先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接

大家都在搜：vLLM12 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10 training10

AI 答案

资料有限基于 2 条来源 · 引用可点击溯源

现有资料不足以回答「共享内存具体承担了什么协调作用」这一细节问题——资料1只确认了共享内存作为协调通道的存在，未说明其内部机制或承载内容。资料中能确认的部分：

协调通道存在：四个 Gemini 4 Argon 智能体各自通过开源库 Mineflayer 控制一名玩家，并「通过游戏内聊天和共享内存与队友协调」1。
无预设分工：没有人分配角色，也没有人编写游戏逻辑，智能体自行规划、编写并调试每一个程序1。
任务规模与结果：从随机生成世界、Easy 难度开始，团队编写 2,783 个程序，在 27 小时 14 分钟内击败末影龙，途中死亡 605 次；据作者所知这是 AI 智能体首次端到端自主完成 Minecraft，仅使用标准 Mineflayer 库，无预先勘探种子或人类编写的游戏专用工具1。

关于「共享内存」与「结构化抽象记忆」的区别需注意：资料2提到的 EvolvingBrain 使用「结构化抽象记忆引导状态感知的技能融合」，并生成分层技能架构（领域、规划、动作/陷阱技能）2，但这是另一项工作的方法描述，并非对资料1中四智能体共享内存的解释，不能直接套用。因此，共享内存究竟存储何种状态（如任务进度、资源位置、分工约定）以及它相对游戏内聊天承担何种分工，现有资料未涉及。

继续追问

资料[1]中智能体之间的游戏内聊天与共享内存分别承担什么分工？这四个智能体是如何在没有预设角色的情况下自发形成分工的？EvolvingBrain 的结构化抽象记忆与多智能体共享内存有何异同？

参考来源

2 条

1站内四个Gemini 4智能体自主通关我的世界我们将四个 Gemini 4 Argon 智能体放入一个沙盒化的 Minecraft 生存世界，并给它们一个目标：击败末影龙。每个智能体通过一个名为 Mineflayer 的开源库控制一名玩家，并通过游戏内聊天和共享内存与队友协调。没有人分配角色，也没有人编写游戏逻辑。智能体们自行规划、编写并调试每一个程序。研究人员可以通过实时仪表盘观看运行过程，并可随时暂停或停止，但他们没有理由进行干预。从随机生成的世界、Easy 难度开始，团队编写了 2,783 个程序，在 27 小时 14 分钟内击败了末影龙，途中死亡 605 次。据我们所知，这是 AI 智能体首次端到端自主完成 Minecraft，且仅使用标准 Mineflayer 库，没有预先勘探的种子或人类编写的其他游戏专用工具。获胜要求智能体在超过一天的时间里，Hugging Face Papershttps://huggingface.co/papers/2610.22319 2站内EvolvingBrain: An Adaptive Skill System for Multi-modal Agents Self-Evolution in Open WorldsEvolvingBrain 提出自适应技能系统，让多模态智能体在开放世界中自我进化。它从轨迹中提取程序性与问题性模式，生成分层技能架构（领域、规划、动作/陷阱技能），并用结构化抽象记忆引导状态感知的技能融合。在 VAB-Minecraft 和 DiscoveryWorld 上提升成功率并展现泛化能力。arXiv cs.AIhttps://arxiv.org/abs/2610.20786

AI 答案正在检索与综合…

站内相关条目

2 条 · 点击可看原文全文与中文译文

返回信息流

四个Gemini 4智能体自主通关我的世界

研究团队让四个Gemini 4 Argon智能体在沙盒版《我的世界》生存模式中自主协作，仅用开源Mineflayer库，无人类预设角色或游戏逻辑，27小时14分钟内编写2783个程序并击败末影龙，死亡605次。这是首个端到端AI智能体自主通关案例，展示了长时程规划与多智能体协作能力，对企业级软件工程任务有参考价值。

Agent·Hugging Face Papers·4 天前

#agent

EvolvingBrain: An Adaptive Skill System for Multi-modal Agents Self-Evolution in Open Worlds

EvolvingBrain 提出自适应技能系统，让多模态智能体在开放世界中自我进化。它从轨迹中提取程序性与问题性模式，生成分层技能架构（领域、规划、动作/陷阱技能），并用结构化抽象记忆引导状态感知的技能融合。在 VAB-Minecraft 和 DiscoveryWorld 上提升成功率并展现泛化能力。

Agent·arXiv cs.AI·4 天前

#agent