GameGo：用锚定真实资产的合成轨迹训练游戏开发智能体
事件
大语言模型在网页前端执行方面表现突出，浏览器端游戏生成成为热门方向。但以往工作多依赖复杂多轮流程或只做静态游戏评测，直接由编码智能体端到端生成真实可玩游戏的研究仍然有限。稀疏的用户需求往往迫使智能体做出大量未指定假设，导致游戏机制不完整、玩法流程割裂、视觉表现有限。
为此，研究者提出 GameGo 框架，将简短的“游戏种子”系统性地转化为符合行业游戏开发规范的产品需求文档。为在保留核心玩法约束的同时不限制设计探索，GameGo 采用任务特定的动态压缩，在最大化信息密度的同时保持指令遵循能力。基于该流程构建的 GameGoData 包含 55060 条开发轨迹，覆盖 2D、2.5D 和 3D 游戏，并配套推出包含 124 条多样化游戏查询的评测基准 GameGoBench。
在 GameGoData 上训练的 GameGoCoder 在游戏开发基准上超过同等规模基线，并可与前沿模型相媲美。该工作把“一句话生成游戏”从演示推向可复现的数据与评测体系，对游戏开发、AI 编程智能体以及合成数据研究都有参考价值。代码、数据集和模型将公开。
来源
本条目由采集管线自动抓取并发布，完整内容见下方来源链接。
*采集源：arXiv cs.AI*