GameGo：以真实资产为锚点合成游戏开发 Agent 训练轨迹

大语言模型 (LLM) 的最新进展展示了 Web 前端执行方面的卓越功能，其中基于浏览器的游戏生成成为一个特别突出的前沿领域。虽然之前的工作经常依赖于复杂的多回合工作流程或专注于静态游戏评估基准，但这项工作的目标是通过编码智能体驱动的直接端到端现实世界游戏合成。然而，直接从稀疏的用户查询生成复杂的游戏通常会迫使智能体编码做出不明确的假设，从而产生不完整的机制、不连贯的游戏流程和有限的视觉美感。为了解决这个问题，本文提出了 GameGo，这是一个可扩展的框架，可以系统地将简短的游戏种子转换为基于行业游戏开发实践的全面的产品需求文档。为了保留核心游戏玩法限制而不限制设计探索，GameGo 使用特定于任务的动态压缩来最大化信息密度，同时保留指令遵循。基于此管道，GameGoData 构建了 2D、2.5D 和 3D 游戏的 55,060 个开发轨迹，以及包含 124 个不同游戏查询的基准 GameGoBench。 GameGoData 上的训练 GameGoCoder 生成的模型优于匹配基线，并且可与跨游戏开发基准的前沿模型相媲美。所有代码、数据集和模型都将公开。