arXiv cs.AI· Bizhe Bai, Jiliang Jian, Yuqing Yan, Tao Chen, Ying Wen·· 10 小时前AI 评分38
3D GameDev Arena:评测能规划、构建并试玩超长周期浏览器游戏的编程智能体
3D GameDev Arena: Benchmarking Coding Agents That Plan, Build, and Playtest extreme Long-Horizon Browser Games
AI 导读
3D GameDev Arena 发布,这是首个面向从零开发 3D 游戏的超长周期基准,覆盖 14 个品类共 108 个任务,智能体仅凭文本规格和 UI/UX 参考图即可通过 plan-implement-test-repair 全自动流水线产出可独立运行的浏览器游戏。
正文 · AI 翻译
摘要:编码智能体现在能够解决代码仓库问题并生成紧凑的可玩游戏,但它们能否从零开始构建大型 3D 游戏仍是一个未解的问题。此类游戏将机制、场景、资源和交互逻辑紧密耦合,其质量取决于玩家的娱乐体验,而现有基准很少对此进行评估。因此,我们推出了 3D GameDev Arena,这是首个极端长时程基准,涵盖 14 个类型的 108 个从零开始的游戏开发任务。仅给定文本规格和 UI/UX 参考图像,一个全自动的计划——实现——测试——修复流水线将每个任务构建为自包含的浏览器游戏。每次运行平均约 1,000 次 LLM 调用;最长的一次使用了 14,407 次调用、21.3 亿个 token 和 608 个资源。评估涵盖 (1) 针对游戏规格的客观代码级功能验收,(2) 基于智能体的 3D 呈现与可玩性 QA 和试玩测试,以及 (3) 在公共竞技场中进行的盲测成对 Bradley-Terry 人类偏好评估。初步结果表明,长时程 3D 游戏开发仍远未解决,仅凭代码级正确性并不能决定玩家的偏好。公共竞技场已在线托管。
| 评论: | 23 页 |
| 主题: | 人工智能 (cs.AI) |
| 引用为: | arXiv:2611.24073 [cs.AI] |
| (或 arXiv:2611.24073v1 [cs.AI] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.24073 arXiv 颁发的 DOI 通过 DataCite(待注册) |
提交历史
来自:Bizhe Bai [查看电子邮件]
[v1]
2026 年 11 月 18 日星期三 09:03:53 UTC(16,933 KB)
来源:arXiv cs.AI · arxiv.org