**A2Z GameSpec-Bench:评估编码智能体从游戏设计文档生成游戏的忠实度**

_A2Z GameSpec-Bench: How Faithfully Can Coding Agents Generate Games from Game Design Specifications?_

> 该论文提出 A2Z GameSpec-Bench,一个包含 100 份长篇游戏设计文档(GDD)的基准,用于评估编码智能体端到端开发游戏的忠实度。通过构建依赖感知的契约并结合源码检查与自适应测试,该基准发现当前智能体难以同时满足跨代码实现与实际游玩的相互依赖需求。实验表明,基于特定需求的反馈可使 GDD 忠实度在两轮自我修订后相对提升 10.9%。

**来源信息**
- **来源**:HuggingFace Daily Papers(社区热门论文)
- **分类**:论文
- **发布时间**:2026-10-01 08:00(北京时间)
- **原文**:[打开原文](https://huggingface.co/papers/2609.39564)