GameCraft-Bench：Agent 能否在真实游戏引擎中端到端构建可玩的游戏？

游戏生成是编码 Agent 的新兴应用，要求模型将自然语言规范转化为可玩的交互系统。不同于传统编码任务，游戏生成需在引擎内协同脚本、场景、资产及运行时交互。本文形式化了端到端游戏生成问题，并提出包含引擎 grounding、工件完整性和交互验证的评估框架。基于此构建了 GameCraft-Bench 基准，涵盖 15 类游戏家族的 140 个 Godot 任务。评估显示该任务极具挑战性，最强 Agent 成功率仅 41.46%，主要难点在于内容完整性与视觉反馈的一致性。