GameCraft-Bench: Can Agents Build Playable Games End-to-End in a Real Game Engine?

En 3 lignesGameCraft-Bench évalue la capacité des agents de code à générer des jeux jouables end-to-end dans Godot. Le benchmark contient 140 tâches sur 15 familles de jeux. Les meilleurs agents atteignent seulement 41,46% de succès, révélant des difficultés à produire des jeux complets avec contenu suffisant et retours visuels cohérents.

Résumé généré par Claude — vérifié par l'humain