GameHorizon：游戏多时间跨度数据集与评测基准

作者团队在 arXiv 发布 GameHorizon Suite 论文，用于评估不同模型家族在游戏多时间跨度任务中的理解、规划与动作控制能力，并宣布将开源数据集、标注器与基准。 套件包含三部分：自动化多步指令标注流程、GameHorizon-Data（由 100 名人类专家玩家录制、覆盖 21 款游戏、共 5,000 小时的数据集），以及支持离线和分步在线测试的 GameHorizon-Bench。作者称已用 47 个模型进行了超过 100 万次调用。以上均基于论文摘要，结果与发布计划尚未经独立验证。

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。