腾讯 GameHorizon：5000 小时 AAA 游戏视频评测 47 个模型的游戏能力
tencent · hf · 2026-09-22
腾讯发布 GameHorizon Suite，一个针对 AI 游戏玩能力的多时间跨度数据与评测套件，包含三部分：
- GameHorizon-Annotator：可扩展的多跨度指令自动标注流水线
- GameHorizon-Data：首个大规模 AAA 游戏数据集，含 21 款游戏、5000 小时时序对齐的视频、玩家操作与多跨度指令，由 100 名人类专家玩家采集
- GameHorizon-Bench：可复现的离线（数千道标准化题目）与逐步在线双轨评测，在线轨检验离线分数能否反映真实游玩能力并定位长程任务失败步骤
团队用超过 100 万次模型调用评测了 47 个模型，揭示出明确的任务难度层级和模型间显著能力差异。数据集、标注器与 benchmark 将开源。
「研究」频道最新
- WorldCrafter:隐式 3D 记忆的视频世界模型,支持长程一致探索 — _akhaliq · 2026-09-22
- Hugging Face 上新:10万+条 SaaS 销售对话数据集开源 — DeepMostInnovations · 2026-09-22
- 面壁发布 onPanda：token 级纠错让对齐数据标注时间减半 — stepfun-ai · 2026-09-22
- 特刊论文:随机化步长让 Metropolis–Hastings 对调参更鲁棒 — michaelchchoi · 2026-09-22
- 特刊精选:Bernoulli factory 实现不可解提议分布的精确 MCMC — michaelchchoi · 2026-09-22
- TorchDR 0.5 发布:原生多 GPU 降维,单卡快过 cuML 3.71 倍 — leland_mcinnes · 2026-09-22