现代视频游戏为人工智能模型提供了一个可衡量的测试平台，结合了视觉理解、指令分解、目标规划和多个时间视界的精确动作控制能力。然而，现有的数据集和基准要么涵盖范围狭窄的游戏，要么缺乏语言指令，要么依赖于高方差的在线推出。为了应对这些挑战，我们推出了

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2609.25001v1)获取最准确的信息。

---
🔗 **原文链接**: [GameHorizon Suite: Multi-Horizon Data and Evaluation in Game](https://arxiv.org/abs/2609.25001v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Yiran Wang, Xingyilang Yin, 朴俊福, Guangzhi Wang, Kaifeng Li, Mingyu Ouyang, Huiqiang Sun, Lingen Li, Cheng Cheng, Wangbo Yu, Honghao Chen, Xiaodong Cun, Chi-Man Pun, Zhiguo Cao, Ying Shan

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Benchmark看多了容易麻木——跑分好不一定产品好用。这篇文章好在对分差有分析，不只是贴数据。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-09-22 13:01