English(EN) GTAGym: Real AAA Game Tasks Environment for Evaluation and Reinforcement Learning

新的 GTAGym 环境使用 GTA V 进行 AI 代理评估

作者 PulseAugur 编辑部 · [1 个来源] · 2026-11-11 05:00

研究人员开发了 GTAGym，这是一个新的环境和框架，旨在利用 AAA 游戏 Grand Theft Auto V 中的任务来评估和训练 AI 代理。该系统包括 GTAVBench，一个包含 103 个主线任务和 47 个射击任务的基准测试，以及用于指令式评估的 GTAVBench-AGI。初步测试表明，虽然前沿 LLM 在 GTAVBench-AGI 上达到了 70.9% 的准确率，但空中导航等复杂任务仍然具有挑战性。该框架还通过生成具有自动奖励信号的任务参数来支持强化学习，展示了 Qwen3 模型在导航任务上的性能提升。 AI

影响提供了一个新的、复杂环境，用于测试和训练 AI 代理，可能在感知、推理和控制能力方面取得进展。

排序理由这是一篇研究论文，详细介绍了一个用于 AI 代理评估的新环境和基准测试。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 33 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇研究论文，详细介绍了一个用于 AI 代理评估的新环境和基准测试。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Jiajun Chen, Shicheng Fang, Jiahao Lu, Yuxin Wang, Xipeng Qiu · 2026-11-11 05:00

GTAGym：用于评估和强化学习的真实AAA游戏任务环境

arXiv:2611.13028v1 Announce Type: cross Abstract: AAA games offer a rich testbed for evaluating agent perception, reasoning, and control. However, evaluating whether agents can complete tasks in AAA games is challenging and often human-annotated because task outcomes are often di…

本文如何被排名

报道来源 [1]

GTAGym：用于评估和强化学习的真实AAA游戏任务环境

相关实体

相关话题