gameworld

GameWorld 是一个面向多模态游戏智能体的标准化评测基准，旨在评估其在浏览器环境中玩真实网页游戏的能力。项目涵盖34款网页游戏、170项任务，支持基于计算机操作（GUI自动化）和语义理解的双维度评测，并提供结果可验证、状态可回溯的 outcome-based 评估机制。技术上依托 Playwright 实现跨游戏浏览器控制，兼容主流大语言模型（LLM）与视觉语言模型（VLM），支持本地或云端模型接入。适用于多模态智能体研发、具身AI评测、人机交互能力评估等研究场景。