arXiv · AI· Zixuan Dong, Yanghai Wang, Hanyan Bian, Jiaxi Tao, Junze Li, Jiadong Wang, Xinyu Che, Lin Liu, Baoyun Peng, Xiaodong Wang, Jiaheng Liu·· 12 小时前AI 评分38
CEGame-Bench：首个涵盖五款生产引擎的长周期游戏创建智能体基准测试
From Code to Playable Systems: CEGame-Bench for Long-Horizon Game Creation Agents
AI 导读
CEGame-Bench 提出了首个覆盖 Defold、Godot、Unity 等五款引擎的长周期完整游戏创建基准。 智能体在平均 295 步、65M tokens 的测试中，仅 16% 的运行到达游戏结局，远低于工程师参考水平。 发布的 Game Completion Boost 技能通过需求驱动测试，将三个模型的执行评分提高了 14.1-24.3 分。
来源：arXiv · AI · arxiv.org