Atari 是指以《Pong》《Breakout》《Montezuma's Revenge》等 20 世纪 80 年代雅达利经典街机游戏构成的强化学习测试环境（以 Arcade Learning Environment 为代表），自 2013 年 DeepMind 的 DQN 论文起，它一直是衡量 AI 决策与探索能力的基准。近一年，Atari 基准上出现多项新突破，且测试重点从普通游戏转向探索极难的关卡。
Atari 基准上的近期进展
当前焦点与观察点
围绕 Atari 的研究出现了两个明显趋势。其一是范式转移：传统上依赖 Q 网络、世界模型和逆强化学习的方法（如近期的 QVIRL、Aftab 基准、PlayTrain 等论文）仍在持续改进，但基于 LLM 的智能体开始用更少的训练量直接通关整套基准，两者的对比成为新的研究问题。
其二是基准老化带来的争议：当 25 款游戏全面被攻克、连《Montezuma's Revenge》这类探索难题也不再是瓶颈时，Atari 作为 AGI 进度指标的意义被重新审视，社区开始转向 ARC-AGI-3 等更难的后续基准。观察点在于：新方法在 Atari 上的成功能否迁移到更开放的真实决策任务，以及这条运行了十余年的测试床还能为决策智能研究提供多少区分度。