arXiv cs.AI· Yiran Wang, Xingyilang Yin, Junfu Pu, Guangzhi Wang, Kaifeng Li, Mingyu Ouyang, Huiqiang Sun, Lingen Li, Cheng Cheng, Wangbo Yu, Honghao Chen, Xiaodong Cun, Chi-Man Pun, Zhiguo Cao, Ying Shan·· 3 天前AI 评分38
GameHorizon Suite：游戏玩法中的多时间跨度数据与评测
GameHorizon Suite: Multi-Horizon Data and Evaluation in Gameplay
AI 导读
研究者推出 GameHorizon Suite，一套面向多时间跨度的游戏玩法数据与评测套件，包含自动化标注流水线 GameHorizon-Annotator、首个大规模 AAA 游戏数据集 GameHorizon-Data（21 款游戏、5000 小时录像、100 名人类专家玩家）以及支持离线与逐步在线测试的 GameHorizon-Bench。
正文 · AI 翻译
作者：Yiran Wang、Xingyilang Yin、Junfu Pu、Guangzhi Wang、Kaifeng Li、Mingyu Ouyang、Huiqiang Sun、Lingen Li、Cheng Cheng、Wangbo Yu、Honghao Chen、Xiaodong Cun、Chi-Man Pun、Zhiguo Cao、Ying Shan
摘要：现代电子游戏为 AI 模型提供了一个可量化的测试平台，综合考察视觉理解、指令分解、目标规划以及在多个时间跨度上精确控制动作的能力。然而，现有数据集和基准要么覆盖的游戏范围狭窄，要么缺乏语言指令，要么依赖高方差的在线推演。为应对这些挑战，我们提出了 GameHorizon，一个统一的数据与评估套件，用于衡量不同模型家族在不同时间跨度上的游戏能力。GameHorizon Suite 由三部分组成。第一，GameHorizon-Annotator 是一个可扩展、自动化的多时间跨度指令标注流水线。第二，利用该流水线，我们构建了 GameHorizon-Data，这是首个大规模 AAA 游戏数据集，包含时间对齐的视频、玩家动作和多时间跨度指令。它包含来自 21 款游戏的 5,000 小时录像，由 100 名人类专家玩家采集。第三，我们构建了 GameHorizon-Bench，具备可复现的离线和逐步在线测试。离线赛道使用数千个标准化问题实现可复现评估，这些问题组织为三个主要任务和一系列诊断变体；在线赛道则检验离线分数是否反映实际游戏能力，并将失败定位到长时程游戏中的具体步骤。基于我们的 GameHorizon Suite，我们通过超过一百万次模型调用评估了 47 个模型，揭示了任务难度的有意义的层级结构以及模型能力之间的显著差异。我们的工作可为跨时间跨度和模型家族评估游戏能力提供标准化标尺。我们将发布数据集、标注器和基准，以促进未来研究。
| Comments: | 我们将发布数据集、标注器和基准，以促进未来研究。Github 仓库：this https URL & 项目页面：this https URL |
| Subjects: | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| Cite as: | arXiv:2609.25001 [cs.CV] |
| （或 arXiv:2609.25001v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.25001 由 DataCite 颁发的 arXiv DOI |
Submission history
来自：Yiran Wang [查看邮箱]
[v1]
2026年9月21日星期一 17:59:33 UTC（31,783 KB）
[v2]
2026年10月12日星期一 11:31:56 UTC（31,783 KB）
来源：arXiv cs.AI · arxiv.org