2025年9月，香港科技大学（广州）与腾讯联合团队在自然语言处理顶级会议EMNLP 2025上发表研究成果。团队提出VistaWise框架，首次将“跨模态知识图谱+轻量化视觉微调”引入开放世界智能体训练，在《我的世界》游戏中实现AI挖矿通关。该框架仅需471张游戏截图和24G显存的消费级显卡即可完成训练，成本降至传统方法的5%，推理阶段可在8G显卡笔记本上运行。实验显示，VistaWise在“获取钻石”任务中成功率达33%，较前SOTA提升8个百分点，子任务成功率超73%。此成果大幅降低AI训练数据需求与硬件门槛，为复杂开放世界的智能体开发提供新思路。