GAMEGO：利用真實資產錨定的合成軌跡訓練遊戲開發代理

解決大語言模型遊戲生成缺陷

近期大型語言模型在網頁前端執行方面展現強大能力，瀏覽器遊戲生成成為重要前沿。但直接從稀疏的使用者查詢生成複雜遊戲時，編碼代理常因資訊不足而做出未明確的假設，結果是機制不完整、玩法斷裂、視覺效果有限。為解決這個問題，中國科學院自動化研究所與百度團隊提出 GameGo 框架，目標是把簡短的遊戲構想轉成符合產業標準的產品需求文件，再透過合成軌跡訓練編碼代理，做到從概念到完整遊戲的端到端生成。

基於真實資產的規格合成流程

GameGo 框架從 Steam 商店頁面、14 個不同來源網站及微信小遊戲等 18 個來源收集遊戲記錄。經過標準化處理與玩法相似性聚類，70,000 筆記錄中保留了 67,564 個種子。系統用三階段規劃把原始種子擴展成可執行的規格：第一步定義任務範圍與核心機制；第二步建立可玩藍圖，內容包含相機行為、控制方式與狀態轉換；第三步進行資產落地，把資源映射到穩定路徑與維度預算。這些輸出會整合成一份綜合產品需求文件，作為後續程式碼生成的明確依據。

任務適應性查詢壓縮技術

完整的產品需求文件能提升遊戲完整性，但提示過長會降低指令遵循能力，也會限制設計探索。GameGo 因此引入任務適應性查詢壓縮技術，在保留核心機制、可玩迴圈與視覺呈現的前提下，剔除冗餘細節。這種方法依結構複雜度調整資訊預算，關係密度的中位數增益為 3.79 倍。實驗顯示，用高密度查詢生成的遊戲，在人類偏好評估中分別以 85.7% 和 86.6% 的勝率，勝過完整需求文件與直接查詢基線。

數據集構建與模型訓練

研究團隊構建了包含 55,060 個開發軌跡的 GameGoData 數據集，涵蓋 2D、2.5D 和 3D 遊戲。數據集經過嚴格去污處理，確保訓練與測試種子互相分離。研究人員以此數據集對 Qwen3.5-27B 和 Qwen3.8-27B 模型進行監督微調，得到 GameGoCoder 模型。訓練使用 BF16 精度、序列打包技術及 256K 上下文視窗，峰值學習率設為 1×10⁻⁵。

基準測試與性能評估

GameGoBench 基準測試包含 124 個多樣化的遊戲查詢，涵蓋不同渲染格式與難度等級。評估採用自動化動態驗證環境，由互動式多模態代理在無頭瀏覽器中執行遊戲，另由獨立的評估代理評分。結果顯示，GameGoCoder 在 ArtifactsBench-G、Cookie-Bench-G 及 GameGoBench 上，表現都優於對應的基礎模型。在人類專家盲測中，GameGoCoder 3.8 版本明顯優於數個前沿模型，與最強的前沿模型相比仍具競爭力。

訓練動態與消融實驗

消融實驗進一步驗證了任務適應性查詢的有效性。與直接查詢相比，任務特定查詢在簡單任務中較短，在困難任務中較長，顯示它能依複雜度動態分配容量。此外，對 Qwen3.5-35B-A3B-MoE-Base 模型的訓練研究顯示，隨著訓練推進，模型更早調用構建工具，工具使用更可靠，也經歷更多輪構建、驗證與修復週期。這些發現證實了結構化規格合成與任務適應性壓縮，對訓練遊戲開發代理具有實用價值。所有程式碼、數據集與模型將公開提供。