GameWorld基准：评估多模态游戏代理，人类仍优于SOTA

感谢 @_akhaliq 分享我们的工作！
前沿多模态智能体能否像人类一样玩游戏？

🤩我们激动地推出 🎮GameWorld：面向多模态游戏智能体的标准化可验证评估。

🕹️ 34个浏览器游戏
📌 170个任务
🤖 18个多模态智能体基线，包括：
1. 计算机使用（CUA）智能体 👉 原始键盘+鼠标动作
2. 通用多模态智能体 👉 语义动作解析

GameWorld表明，即使是SOTA智能体仍远低于新手人类玩家的表现。

📹观看现场运行：https://t.co/wrhKJD9JVx
🌐项目页面：https://t.co/J906LQ6Sfj
💻GitHub：https://t.co/W1vL99MDg5

与 @OuyyyangMingyu @who_s_yuan Hwee Tou Ng, @MikeShou1 合作完成