知识卡片：MC-EvoBench：审计 Minecraft 智能体中经验驱动的自我改进

一句话结论

MC-EvoBench 是一个受控的 Minecraft 基准，通过隔离“能力改变”与“资源携带、来源暴露不均、早期执行失败”，发现相关经验并未带来稳定的跨世界能力迁移。

事件概述或研究问题

具身递归自我改进（embodied recursive self-improvement）的核心挑战，是让智能体把交互历史转化为能够跨越单个世界、并迁移到后续任务的能力。作者指出，保存的记忆或最终动作成功，本身并不能证明智能体获得了可复用的能力；评估必须将能力变化与以下因素区分开：被携带过来的资源、不相等的来源暴露（unequal source exposure）、以及早期执行失败。MC-EvoBench 即为回答这一问题而构建。

方法/产品要点

• 固定任务目录：包含 19 条注册的进化链（evolution chains），其中 12 条为主要评估链，7 条为校准或探针链；另有 3 组图对齐的配对探针族（graph-aligned paired probe families）用于迁移测试。
• 任务表示：每个任务表示为任务-状态图（task-state graph），并定义阶段级环境验证器（stage-level environment verifiers）。
• 源-目标隔离：分配匹配的源角色与目标角色，重置目标世界，仅允许一个已声明的智能体工件（declared agent artifact）跨越源-目标边界。
• 探针条件：每个探针在匹配的环境步数预算与 5 个随机种子下评估四种来源条件——无先验（no-prior）、相关（related）、不相关（unrelated）、打乱（shuffled）。
• 指标：报告 TSR、WGP、VMP，并保留来源溯源记录（provenance records）。
• 开源：代码与数据见 https://github.com/xzw-ustc/mc-bench-open-source

主要结果或产业意义

• 控制器（controller）与规划器支持（planner-backed）的变体之间存在一致的直接能力差距（direct-capability gap）。
• 相关经验并未产生稳定迁移：它未改善任何一个工具探针；其小幅的木材种类（wood-species）增益依赖单个种子；所有置信区间均包含零。
• 阶段审计（stage audits）显示，早期的木材采集与合成瓶颈常常导致后续能力无法被观测到。
• MC-EvoBench 由此提供了一个受控测试平台，用于检验持久、可迁移的具身能力。

为什么重要

作者强调，仅凭“存下记忆”或“最终动作成功”无法确认可复用能力的获得；MC-EvoBench 的价值在于把评估拆解为可对照的条件（无先验/相关/不相关/打乱）与受控的源-目标边界，从而避免把携带资源或来源暴露差异误读为自我改进。其负面结果（相关经验无稳定迁移、早期瓶颈掩盖后期能力）提示：具身自我改进的评测需要更严格的控制设计。

局限与不确定性

• 具体任务的细节、环境配置与完整复现说明待核实（材料中只有摘要层面的描述）。
• 除摘要给出的结论外，各进化链的具体内容、两种变体的具体实现差异待核实。
• TSR、WGP、VMP 三个指标的完整定义待核实。
• 结果基于 5 个随机种子与匹配步数预算，其统计效力的边界待核实。
• 基准是否覆盖 Minecraft 之外的迁移场景，材料未说明，待核实。

可用于图书/PPT/简报的角度

• “记忆 ≠ 能力”：为什么保存经验不等于获得可复用能力。
• 自我改进评测中的三类混淆因素：携带资源、来源暴露不均、早期执行失败。
• 负面结果的信号价值：相关经验零迁移说明了什么。
• 瓶颈遮蔽效应：早期采集/合成失败如何让后期能力“看不见”。
• 受控基准设计范式：固定任务目录 + 阶段级验证器 + 源-目标边界 + 多条件探针。

与既有脉络的关系

已有卡片关注个人智能体的递归自我改进评测（PAST-Bench）、LLM 智能体的算法设计型自我改进（AI4AI-Bench）以及交互式科研智能体的递归中递归（ScienceBuddy）。MC-EvoBench 的增量在于：将问题置于具身 Minecraft 环境，并引入“仅允许声明工件跨越源-目标边界”的受控隔离与四种来源条件对照，从而专门审计经验驱动的跨世界能力迁移，而非仅比较经验开/关的总增益。

原始材料

• 标题：MC-EvoBench: Auditing Experience-Driven Self-Improvement in Minecraft Agents
• arXiv ID：2610.13829v1
• 作者：Jingwei Song, Zhisheng Chen, Bingfan Zeng, Jing Tang, Yubo Hou, Jinhao Jing, Zhengwei Xie, Linfeng Zhang
• 发布时间：2026-10-09T16:37:39Z（更新同）
• 主分类：cs.RO；分类：cs.RO, cs.AI
• Abstract URL：https://arxiv.org/abs/2610.13829v1
• PDF URL：https://arxiv.org/pdf/2610.13829v1
• 代码与数据：https://github.com/xzw-ustc/mc-bench-open-source
• 关键词：embodied recursive self-improvement; Minecraft benchmark; experience transfer; task-state graph; stage-level verifiers; provenance records; TSR; WGP; VMP