GameHorizon 游戏多时域数据与评测套件发布

2026年10月15日，arXiv 人工智能板块出现由 Yiran Wang 等作者提交的 GameHorizon 工作。该工作提出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。据该报道，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。作者在文中表示，将对外发布数据集、标注工具（Annotator）和基准（Bench），以促进后续研究。目前该事件仅有这一篇主报道，尚无跟进报道，也未出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。