在人工智能技术飞速发展的今天，如何有效地评估和比较不同生成式AI模型的实力，成为了一个备受关注的难题。传统的AI基准测试方法逐渐显露出其局限性，为此，AI开发者们正积极探索更具创新性的评估途径。近日，一款名为“Minecraft Benchmark”（简称MC-Bench）的网站横空出世，其独特之处在于，它利用微软旗下的沙盒建造游戏《我的世界》(Minecraft)作为平台，让用户通过对比AI模型根据提示所创建的游戏作品，来评估它们的表现。而令人惊讶的是，这个新颖平台的创建者，竟然是一位年仅

一位12年级学生建立了一个创新平台，让人们能够评估不同AI模型在Minecraft创作中的表现，为人工智能评测领域带来了新的视角。新基准测试方法应对传统评估局限性随着传统AI基准测试方法的局限性日益明显，开发者们开始寻找更具创造性的评估途径。对一群开发者而言，微软旗下的沙盒建造游戏Minecraft成为了理想选择。高中生Adi Singh与团队合作开发的Minecraft Benchmark（简称MC-Bench）网站允许AI模型在面对面的挑战中相互竞争，通过Minecraft创作来回应各种提示。用户可以投票选出表现更佳的

OpenAI 最近推出了其视频生成模型 Sora，但该模型的训练数据可能包含了许多版权游戏内容，这引发了法律问题的担忧。Sora 可以根据用户的文字提示或图片生成最长20秒的视频，支持多种画幅和分辨率。在发布之初，OpenAI 就提到 Sora 的训练数据包括 Minecraft 视频，这引发了人们对其他可能被使用的游戏内容的好奇。在实际测试中，Sora 能够生成与多个知名游戏相似的视频，包括看起来像是《超级马里奥兄弟》的克隆版、受到《使命召唤》和《反恐精英》启发的第一人称射击游戏，以及风格类

Minecraft 中出现了一种新型学习型人工智能，名为 AIRIS（自主智能强化推断符号）。该人工智能通过实践学习如何玩游戏，基本上从 Minecraft 中的“一无所有”开始学习如何玩游戏，只使用游戏的反馈循环来教它。AIRIS 的早期版本是在简单的2D 网格世界益智游戏环境中进行测试的。然而，为了测试该系统，开发者需要在更复杂、更开放的3D 环境中测试该系统。Minecraft 非常符合这一描述，它是一款非常受欢迎的游戏，并且具备将 AI 插入其中所需的所有技术要求。AIRIS 的工作原理是通过从环境

本文探讨近期《自然·机器智能》杂志上发表的一篇论文，介绍了一种令人瞩目的新方法——视觉预测编码（visual predictive coding）。此技术向我们展示了如何让人工智能构建认知地图，模仿人类大脑中的神经结构来处理视觉信息及理解周围环境。研究的核心思想则通过对未来的感官输入进行预测，帮助机器从过往经验中学习并构建环境地图。通过构建神经网络模型模拟人类大脑中的预测过程，论文展现出机器能够自动从单张图片中构建出高精度的认知地图。团队进一步在模拟环境中对这一方法进行了验证，结果显示机器人不仅能够精确构建环境地图且支持有效导航。 此项研究标志着人工智能领域的一次重大进展，预示未来AI可能具备更高度的智能理解与感知力，适应更多人类生活和工作的场景，为自动驾驶、家庭助手、医疗诊断、教育辅导等领域带来革命性变化。借助视觉预测编码技术，人工智能正逐渐接近人类的认知水平，为这一领域带来无限可能性与潜力。