针对Minecraft长程自主与原生键鼠控制难以兼得的问题,HiSTEVE用分层VLA与能力感知harness:上层VLM规划器结合结构化记忆选择VLA能力内的原子子任务,策略耦合完成检测器触发交接与恢复;下层单一VLA以纯视觉输出键鼠动作,用regime-specific RMSNorm和双鼠标token抑制GUI与非GUI干扰,并经世界知识注入、模仿学习和环境反馈强化学习训练。作者报告MineStudio Bench平均成功率85.0%,OpenHA为37.4%,较OpenHA Text/CoA提升20.0个百分点;完整harness把LongBench目标成功率拉至25.0%,完成检测器F1达0.863,优于GPT-4o等通用VLM;局限是GUI多步操作、恢复和开放目标仍难。
为什么重要 给出 GUI/非 GUI 控制解耦和长程 harness 的工程化配方:参数开销小、状态交接明确,可直接借鉴到具身智能的原子动作编排。适合 做 VLA/具身智能长程编排、GUI+本体控制融合、数据闭环的工程师
MineStudio
原子任务严格 pass@1
OpenHA
Emb/GUI/Combat 均值
LongBench
四族宏平均 Goal SR
检测器 F1
类平衡验证集
检测器参数
Qwen2.5-VL-3B 骨干
注释 · LongBench Goal SR 25.0 为四任务族宏平均;检测器参数 1.4B出自 §6.2 / 表 3
注释 · 随机基线 F1=0.500;Qwen3.5 两档召回极低出自 表 2 / §6.3



最强基线 Text/CoA:MineStudio 均值 65.0→85.0,R&C 14.3→42.9
| 指标 | OpenHA Text/CoA | HiSTEVE |
|---|---|---|
| MineStudio 均值 | 65.0% | 85.0% |
| OpenHA 均值 | 36.8% | 37.4% |
| LongBench R&C | 14.3% | 42.9% |
| LongBench E&M | 7.1% | 28.6% |
| LongBench Rec | 2.9% | 14.3% |
| LongBench Open | 1.4% | 14.3% |
注释 · OpenHA Text/CoA 为最强基线;OpenHA GUI 27.2 低于基线 33.3出自 表 1 / §6.2