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机制之一存在，未说明其内部结构或具体职责；资料2讨论的是另一套系统（EvolvingBrain）的结构化抽象记忆，与问题中的实验并非同一体系。资料中能确认的部分：

协调通道：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。
实验规模与结果：从随机生成世界、Easy 难度开始，团队共编写 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，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1。

需要说明的分歧/边界：资料1的摘要在此处被截断（「获胜要求智能体在超过一天的时间里……」），共享内存的具体设计很可能位于正文，但不在现有资料范围内。资料2中的「结构化抽象记忆」用于引导状态感知的技能融合，属于 EvolvingBrain 的自进化技能系统，不能直接等同于该 Minecraft 实验中的共享内存2。

继续追问

该实验中共享内存里具体存了哪些字段或数据结构（如任务分配、地图标记、资源清单）？游戏内聊天与共享内存两种协调通道各自负责什么类型的信息？2,783 个程序是如何在四个智能体之间分配和复用的？

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