GameHorizon Suite：游戏玩法中的多时间跨度数据与评测

GameHorizon 是一套统一的数据与评测套件，用于衡量不同模型家族在多个时间跨度上的游戏玩法能力。其数据集包含 21 款游戏的 5,000 小时录像，由 100 名人类专家玩家采集，并配有时间对齐的视频、玩家操作和多跨度指令；配套基准提供可复现的离线测试与逐步在线测试。该套件对 47 个模型进行了超过一百万次调用评测，数据集、标注工具和基准将对外发布。