GameHorizon 基准发布：47 个模型实测，规划仍是 AI 玩游戏的瓶颈
yshan2u · x · 2026-09-22
研究团队推出 GameHorizon Suite，一个跨游戏、跨模型家族、跨任务时域的 AI 游戏玩法统一基准与数据集，覆盖多款 AAA 游戏与多种时间尺度，可作为 VLM、统一多模态模型、GUI、编码与游戏 Agent 的标准化评测标尺。
- 挑战：现有基准覆盖游戏少、缺少语言指令、依赖高方差在线 rollout，难以稳定对比模型。
- 方法：将视频与操作对齐，自动标注操作、目标与策略，结合可复现的离线评测和分步在线测试。
- 结果：评测 47 个模型发现，未来动作规划与目标分解仍是关键瓶颈；在 12 个同时做在线测试的模型中，离线表现更强者通常游戏实际成绩更好。
代码、数据与项目页均已公开。
所属事件:腾讯发布 GameHorizon：5000 小时视频评测 47 个模型游戏能力(3 条相关)→
「研究」频道最新
- JEVfire 开源：Qwen 0.8B 在浏览器里 71ms 一步通关超级马里奥 — ricklamers · 2026-09-22
- RegVGGT:每帧仅留 1% token,消费级 GPU 跑长视频 3D 重建 — zhenjun_zhao · 2026-09-22
- D3GS:深度+DINO+扩散三重引导,稀疏视角 3DGS 重建显著提升 — zhenjun_zhao · 2026-09-22
- VGGT-Prime:用路由给注意力头分级,削减视觉几何 Transformer 冗余算力 — zhenjun_zhao · 2026-09-22
- Elevator-VIGS:VLM 零样本识别电梯,SLAM 乘电梯不再丢失跟踪 — zhenjun_zhao · 2026-09-22
- BayesianGS-SLAM:用贝叶斯不确定性统一 3DGS 建图与跟踪 — zhenjun_zhao · 2026-09-22