arXiv cs.AI· Haoyue Yang, Jingyao Li, Zhengfan Wu, Jing Liu, Xuanle Zhao, Kang Liu·· 9 小时前AI 评分36
GameGo：用真实资产锚定的合成轨迹训练游戏开发智能体
GAMEGO: Training Game-Dev Agents with Synthetic Trajectories Anchored in Real-World Assets
AI 导读
研究团队提出 GameGo 框架，将简短游戏创意系统化转化为基于行业实践的产品需求文档，并构建了覆盖 2D、2.5D、3D 游戏的 55,060 条开发轨迹数据集 GameGoData 及含 124 个游戏查询的 GameGoBench。基于该数据训练的 GameGoCoder 在游戏开发基准上超越同类基线，性能接近前沿模型。代码、数据集与模型将全部公开。
来源：arXiv cs.AI · arxiv.org