GameDevBench基准测试发布
CMU博士生发布游戏开发基准，测试AI在1小时内能完成多少人类新手任务
Carnegie Mellon大学博士生Wayne Chi在Arena平台发布了GameDevBench基准测试。
该基准基于真实教程构建，将游戏开发转化为可验证的确定性任务。测试评估了前沿模型在人类初学者1小时内可完成的任务上的表现，分析了编程与多模态理解哪个是最大瓶颈。
Game development remains one of the most-requested, and most-challenging, categories on Arena. @iamwaynechi , PhD candidate at Carnegie Mellon University and research intern at Arena, just walked us through GameDevBench: a benchmark built from real tutorials that turns game development into verifiable, deterministic tasks. How do top frontier models perform on tasks a human beginner could complete in under an hour, and is the biggest bottleneck coding or multimodal understanding? Check out Wayne’s full talk to hear results and learn more about GameDevBench: youtube.com/watch?v=yoHcvr…
本条情报归属 AITOP「论文」核心栏目，重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中，该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线，反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括：GameDevBench、Arena、游戏开发、基准测试，读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。
信源核验说明：本文原始线索采编自「lmarena.ai」（@lmarena_ai），经 AITOP 多维评分管线结构化提炼。