在具身递归自我改进中，一个核心难题是让代理把交互历史转化为能够跨越不同世界、迁移到后续任务的持久能力。仅有保存的记忆或成功的最终动作并不能证明获得了可复用的能力；评估必须区分能力变化与携带的资源、不均等的源任务暴露以及早期执行失败。为此我们构建了 MC‑EvoBench——一个受控的 Minecraft 基准，包含 19 条注册的进化链，其中 12 条为主要评估链，7 条为校准或探针链，并提供三组图对齐的配对探针族用于迁移测试。每个任务被表示为任务‑状态图，定义了阶段级环境验证器，匹配源‑目标角色，重置目标世界，并仅允许声明的代理产物跨越源‑目标边界。对于每个探针，在相同的环境步数预算和五个随机种子下评估无先验、相关、无关和随机顺序的源条件；报告 TSR、WGP、VMP 并保留溯源记录。实验显示，控制器与基于规划器的变体之间存在持续的直接能力差距；而相关经验并未带来稳定的迁移：它既未提升工具探针，也仅在一个种子上出现微小的木材种类增益，所有置信区间均包含零。阶段审计进一步表明，早期的采木和合成瓶颈常导致后期能力未被观察到。MC‑EvoBench 因此提供了一个受控的测试平台，用于评估持久且可迁移的具身能力。代码和数据已在 https://github.com/xzw-ustc/mc-bench-open-source 开源。
点评