論文の概要: From Code to Playable Systems: CEGame-Bench for Long-Horizon Game Creation Agents

• arxiv url: http://arxiv.org/abs/2610.26098v1
• Date: Mon, 19 Oct 2026 09:59:25 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:36:06.544976
• Title: From Code to Playable Systems: CEGame-Bench for Long-Horizon Game Creation Agents
• Title（参考訳）: コードからプレイ可能なシステムへ:CEGame-Bench for Long-Horizon Game Creation Agents
• Abstract要約: CEGame-Benchは5つのプロダクションエンジンをまたいだ完全ゲーム作成のための最初のロングホライゾンベンチマークである。 エージェントは空のプロジェクトから各ゲームを構築し、設計文書は平均295ステップと65Mトークンを実行する。 要件駆動のプレイテストと修復のためのエージェントスキルであるGame Completion Boostをリリースし、3つのモデルの実行ベースのスコアを14.1～24.3ポイント引き上げる。
• 参考スコア（独自算出の注目度）: 30.403060336697152
• License:
• Abstract: A game ships when a player can launch it, finish it, and return to a saved world, none of which a successful build guarantees, yet game-creation agents are mostly tested on one engine or on one-prompt browser games. We present CEGame-Bench, the first long-horizon benchmark for complete-game creation across five production engines: Defold, Godot, Roblox Studio, Unity, and Unreal Engine. Agents build each game from an empty project and a design document in runs averaging up to 295 steps and 65M tokens; the document doubles as a contract, and a hidden evaluator accepts a game only by real-input play. Under four scaffolds, agents earn most integration points but usually under half the gameplay points, and their games reach the ending in only 16% of runs, while references built by engineers with coding agents score near the maximum, which places this artifact-to-play gap in the agents. No two engines rank configurations alike (Kendall's tau 0.14-0.62), and the same game usually scores higher on Unity and Unreal Engine, which check more before play. We release Game Completion Boost, an agent skill for requirement-driven playtesting and repair that raises the execution-based score of three models by 14.1-24.3 points.
• Abstract（参考訳）: ゲームは、プレイヤーがそれを起動し、終了し、保存された世界に戻ることができ、どのビルドが成功するかは保証されないが、ゲーム作成エージェントは、主に1つのエンジンまたは1つのプロンプトブラウザゲームでテストされる。 CEGame-Benchは、Defold、Godot、Roblox Studio、Unity、Unreal Engineの5つのプロダクションエンジンで完全なゲーム作成のための最初のロングホライゾンベンチマークである。 エージェントは、空のプロジェクトと設計文書から、平均して295ステップと65Mトークンを実行する。 4つの足場の下には、エージェントがほとんどの統合ポイントを稼ぐが、通常はゲームプレイポイントの半分以下であり、ゲームはわずか16%で終了に達する。 コンフィグレーションはKendall's tau 0.14-0.62と似ており、同じゲームは通常UnityとUnreal Engineでスコアが上がる。 要件駆動のプレイテストと修復のためのエージェントスキルであるGame Completion Boostをリリースし、3つのモデルの実行ベースのスコアを14.1～24.3ポイント引き上げる。

関連論文リスト

• Game-Creation-Agents: Autonomous Game Production [47.090912019262646]
  Game-Creation-Agents (GCA) は、自然言語の要求を実行可能フェーズ4ブラウザゲームに変換する。 GCAは、同等のオープンパイプラインよりも強い要求満足度、コアメカニクス、コンテンツ深さ、機能的なビジュアルを実現する。
  論文  参考訳（メタデータ） (2026-10-12T13:34:08Z)
• CraftBench-UE: Deterministic Evaluation for Coding Agents in Unreal Engine [1.9226023650048942]
  C++ソース、Blueprintアセット、エディタスクリプティングにまたがる70のタスクからなるベンチマークを構築します。 C++タスクのファイル・アンド・シェルベースラインを2つのエディタ・ツール構成で評価する。 C++の完成率は2つのツール構成でBlueprintの30.0と42.9ポイントを超えている。
  論文  参考訳（メタデータ） (2026-09-19T17:18:23Z)
• GameXpert-Bench: How Far Are Coding Agents from Expert Game Development? [6.806647989372878]
  最近の大規模言語モデル(LLM)は、自然言語要求から完全なゲームを構築するコーディングエージェントとして動作する。 ゲーム開発は、プログラムロジック、ビジュアルおよびオーディオコンテンツ、インタフェース、インタラクション、プレイ容易性が一つの実行可能アーティファクトで一緒に機能する必要があるため、特に要求がある。 完全な人間エージェント開発軌跡の分析では,コーディングエージェントを用いてゲーム開発のライフサイクルにまたがる3つの段階を同定する。
  論文  参考訳（メタデータ） (2026-08-22T08:05:16Z)
• GameCraft-Bench: Can Agents Build Playable Games End-to-End in a Real Game Engine? [65.42976417627254]
  ゲーム生成はゲームエンジン内で行われ、スクリプト、シーン、アセット、レンダリング、実行時インタラクションは共同でコヒーレントなゲームプレイを生成する必要がある。 我々は、完全なゲームアーティファクトを生成する問題として、エンド・ツー・エンドのゲーム生成を形式化する。 我々は、このフレームワークを15のゲームファミリーで140のGodotタスクからなるベンチマークであるGameCraft-Benchとしてインスタンス化する。
  論文  参考訳（メタデータ） (2026-06-16T12:34:39Z)
• GameWorld: Towards Standardized and Verifiable Evaluation of Multimodal Game Agents [76.60994803070436]
  GameWorldは、ブラウザ環境におけるマルチモーダル大言語モデル(MLLM)ゲームエージェントの評価のためのベンチマークである。 2つのゲームエージェントインタフェースが研究され、 (i) キーボードとマウスのコントロールを直接出力するコンピュータ利用エージェント、 (ii) セマンティックアクション空間で作用する汎用マルチモーダルエージェントが研究されている。 18組のモデルとインタフェースのペアによる結果は、最高のパフォーマンスエージェントでさえ、ビデオゲームで人間の能力を達成するには程遠いことを示唆している。
  論文  参考訳（メタデータ） (2026-04-08T17:49:03Z)
• GameDevBench: Evaluating Agentic Capabilities Through Game Development [49.19956546746812]
  ゲーム開発は、エージェントが本質的にマルチモーダル資産を操作しながら大きな密集物をナビゲートしなければならないようなテストベッドを提供する。 本稿では,ゲーム開発タスクにおけるエージェント評価のための最初のベンチマークであるGameDevBenchを紹介する。 エージェントは依然としてゲーム開発に苦戦しており、最高のエージェントは54.5%のタスクしか解決していない。
  論文  参考訳（メタデータ） (2026-02-11T18:15:11Z)
• NitroGen: An Open Foundation Model for Generalist Gaming Agents [101.41866522979548]
  NitroGenは、ジェネラリストゲームエージェントのためのビジョンアクション基盤モデルである。 1000以上のゲームで4万時間のゲームプレイビデオでトレーニングされている。
  論文  参考訳（メタデータ） (2026-01-04T16:24:50Z)
• 90% Faster, 100% Code-Free: MLLM-Driven Zero-Code 3D Game Development [35.877919141619614]
  本稿では,ランナブルな3Dゲームのゼロコード開発を自然言語要求から自動化する,初のエンドツーエンド協調型マルチエージェントフレームワークUniGenを紹介する。 結果として、UniGenはユーザーからのコーディングを必要とせず、開発時間を91.4%削減することでゲーム作成を民主化している。
  論文  参考訳（メタデータ） (2025-09-30T12:14:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。