摘要
本文旨在解决开放世界视频游戏中的故障检测难题，要求模型理解游戏机制、物理及状态转换，并区分真实故障与异常有效事件。为此，作者推出了首个包含时序定位的基准测试 VideoGlitchBench，涵盖 120 款游戏的 5000 多个视频。同时提出了 GliDe 代理框架，其核心组件包括用于辅助推理的游戏感知上下文记忆、基于辩论的多视角故障检测反射器，以及能从碎片证据中恢复完整故障区间的事件级定位模块。实验表明，该方法显著优于现有基线模型。
AI 推荐理由
论文提出基于代理推理的框架，核心在于利用记忆和辩论机制进行复杂的游戏动态推理与故障验证。
研究机构
University of California, Davis
Davis, California, USA
Virginia Polytechnic Institute and State University
Blacksburg, Virginia, USA
Davis, Californian, USA
论文信息