**HiSTEVE 1.0：利用人机界面 VLA 智能体征服开放世界游戏**

_HiSTEVE 1.0: Harnessing Human-Interface VLA Agents for Open-World Games_

> HiSTEVE 1.0 是一款分层 VLA 智能体，专为在 Minecraft 等开放世界游戏中实现类人自主操作而设计。该模型通过结合结构化记忆与大语言模型规划器，实现了长程任务自主性；同时利用策略耦合的任务完成检测器确保子任务可靠执行。在控制层面，HiSTEVE 采用单 VLA 执行视觉感知与原生键盘鼠标操作，并通过引入特定模式的 RMSNorm 分支和独立的鼠标移动 token 嵌入，有效解决了异构 GUI 与非 GUI 交互的干扰问题。此外，模型融合了世界知识注入、模仿学习与强化学习进行训练，最终在 MineStudio Bench 和 OpenHA 基准测试中取得了最先进的性能，能够像人类玩家一样从零开始打造铁镐等长程任务。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-26 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.31162)