跳到主要内容
检索

# 自适应游戏测试

1 篇关联报道

订阅更新
  1. arXiv

    A2Z GameSpec-Bench 用 100 份长文档 GDD 检验编码智能体:可编译率近 99%,但整体 GDD Fidelity 最高仅 77.0

    该工作提出 A2Z GameSpec-Bench,用 100 份长文档游戏设计文档(GDD,Small 与 Big 各 50 份,平均 14,085 与 26,297 tokens)把每份 GDD 转成固定的依赖感知契约,再以源码检查、场景回放与自适应试玩三条通道评估编码智能体端到端生成游戏的忠实度,结果显示可编译可运行并不等于忠实实现(如 Claude-Fable-5.1 可验证率 98.7% 而整体 GDD Fidelity 为 77.0),依赖上下文把已记录试玩违规的覆盖从 71.1% 提升到 80.2%,需求级反馈两轮后相对自我修订把 Big GDD 上的整体 GDD Fidelity 提升 10.9%。

已读完全部报道