arXiv · AI· Bizhe Bai, Jiliang Jian, Yuqing Yan, Tao Chen, Ying Wen·· 12 小时前AI 评分32
3D GameDev Arena 发布,包含 108 个跨 14 类游戏的从头开发任务,首次极端长程基准测试 3D 游戏编码智能体。
3D GameDev Arena: Benchmarking Coding Agents That Plan, Build, and Playtest extreme Long-Horizon Browser Games
AI 导读
平均每次运行约 1000 次 LLM 调用,最长用例达 14,407 次调用、2.13B tokens 和 608 个资产;评测含功能验收、智能体试玩与人类盲测。 结果显示长程 3D 游戏开发远未解决,代码正确性并不决定玩家偏好,公开竞技场已上线。
来源:arXiv · AI · arxiv.org