新加坡国立大学与牛津大学联合研发的AI游戏测试平台GameWorld，通过34款浏览器游戏和170个任务构建起一套全新的评估体系。这项研究以技术报告形式提交至arXiv平台，编号为arXiv:2604.07429，为多模态大语言模型的能力边界提供了量化依据。与传统测试依赖问答模式不同，该平台将AI置于动态游戏场景中，要求其完成从画面解析到动作执行的全流程操作 ...