gamecraft-bench

GameCraft-Bench 是一个面向智能体的端到端游戏生成评测基准，用于评估AI能否根据自然语言描述，在真实游戏引擎（Godot）中生成完整可运行的游戏项目。其核心特点是：基于真实引擎运行环境进行交互式验证、要求提交包含脚本/场景/资产的完整工程包、通过重放玩家操作轨迹并结合多模态评判标准评估实际游戏行为。该基准涵盖140个任务、15类2D游戏（如平台跳跃、策略、模拟经营等），适用于评估代码智能体在复杂系统构建、跨模块协同与实时交互建模方面的能力，尤其适合游戏AI、程序化内容生成及具身智能研究场景。