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）中生成可运行、可交互的完整2D游戏项目。其核心特点是引擎原生执行验证、要求提交完整可启动项目（含脚本/场景/资源）、并通过重放用户操作轨迹进行多模态行为评分；支持15类共140个覆盖平台跳跃、策略、模拟等典型游戏范式的任务。适用于AI代理能力评估、具身智能研究、代码生成与游戏AI交叉领域的方法验证与对比实验。