本研究提出了一套评估大型语言模型反思能力的工具，包含七个任务。结果显示，当前模型在反思能力上仍有不足，为未来研究提供了方向。

Optimus-1是一个在Minecraft中具有更好规划和反思能力的多模态代理。实验结果显示，Optimus-1在挑战性任务上优于其他代理，接近人类水平。多模态大型语言模型支撑Optimus-1，实验结果显示其在许多任务上优于GPT-4V基线，具有强大泛化能力。