**GameHorizon Suite：面向多时间跨度的游戏玩法数据与评测套件**

_GameHorizon Suite: Multi-Horizon Data and Evaluation in Gameplay_

> 该研究推出 GameHorizon，一套跨时间跨度衡量游戏能力的统一数据与评测套件，包含三部分：可扩展的多层级指令自动标注流水线 GameHorizon-Annotator；首个大规模 AAA 游戏数据集 GameHorizon-Data，由 100 名人类高手玩家采集 21 款游戏共 5000 小时录像，含时间对齐的视频、玩家操作与多层级指令；以及支持可复现离线评测与逐步在线测试的 GameHorizon-Bench。团队据此对 47 个模型进行了超百万次调用评测，揭示出任务难度的层次结构与模型能力差异，为跨跨度、跨模型家族的游戏能力评估提供标准化标尺，并将公开数据集、标注器与基准。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-09-22 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2609.25001)