研究人员推出了 3D GameDev Arena,这是一个旨在评估编码代理在开发复杂 3D 浏览器游戏方面能力的新基准。该基准包含 14 个游戏类型中的 108 个不同游戏开发任务,要求代理根据文本规范和参考图像从头开始规划、实现和测试游戏。评估过程包括客观的代码级检查、用于可玩性和呈现的基于代理的质量保证,以及在公共竞技场中进行的人类偏好测试。初步研究结果表明,当前的编码代理在长周期的 3D 游戏开发方面仍然面临挑战,并且代码正确性本身并不能保证玩家满意度。 AI
影响 该基准将推动 AI 代理处理游戏开发等复杂、长周期任务的能力取得进步。
排序理由 该集群描述了一篇介绍 AI 代理基准测试的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- 3D GameDev Arena
- alphaXiv
- arXiv
- Bradley--Terry model
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →