分层VLA智能体HiSTEVE提出

2026年10月23日，arXiv Computer Vision 刊出 Zecong Tang 等作者的报道，提出分层 VLA 智能体 HiSTEVE。该智能体通过能力感知的 agent harness，在 Minecraft 中实现原生键鼠控制与长程自主。其编排层借助结构化记忆和 VLM 规划器选择子任务；控制层由单个 VLA 以纯视觉感知执行全部子任务，并引入 regime-specific RMSNorm 分支与独立鼠标移动 token 嵌入，以减少 GUI 与非 GUI 交互之间的干扰。报道将这一版本称为 HiSTEVE 1.0，称其面向原生界面、可用于开放世界游戏。目前报道仅介绍该智能体的架构与在 Minecraft 中的能力，未提及收费、额度、地域或发布时间方面的限制。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。