GameGo：用锚定真实资产的合成轨迹训练游戏开发智能体

2026年10月7日，arXiv（Artificial Intelligence，一手）发表关于GameGo的报道。GameGo提出一个可扩展框架，用于训练游戏开发智能体：它把简短游戏种子转化为基于行业游戏开发实践的完整产品需求文档（Product Requirements Documents），并通过任务特定动态压缩，在保留核心玩法约束的同时不限制设计探索。该框架强调以锚定真实资产的合成轨迹作为训练数据来源。目前公开信息仅涉及该框架的方法思路，未披露实验结果、数据规模或代码开源情况。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。