提出SCICRAFTER——一个基于Minecraft的基准,通过可扩展的红石电路任务来评估AI智能体在‘发现-应用’闭环中的能力;实验发现GPT-5.2、Gemini-3-Pro和Claude-Opus-4.5等前沿模型在此任务上成功率均停滞在约26%,进一步分解揭示当前瓶颈正从知识应用转向问题识别。
机构:UCLA
来源:arXiv 2604.24697 | AI4Papers 论文推荐平台