🔥 今日值得一读
仅凭截图和操作，AI能黑盒复现游戏吗？125个任务实测，最强模型仅71.6%
GameReplica: A Benchmark for Black-Box Visual Game Replication by Vision-Language Agents
👨💼 主理人解读 · 为什么值得关注
可评测智能体仅凭视觉观察与交互复现游戏的能力，用于开发黑盒逆向与代码生成Agent。
📖 AI 总结
本文提出GameReplica，一个面向端到端黑盒游戏复制的闭环评测框架，覆盖感知、探索、归纳、复现与验证的完整流程。与以往依赖文本或代码规格的编程智能体评测不同，该基准要求智能体仅通过截图和动作接口访问目标游戏，从像素反馈与交互结果中归纳视觉元素和玩法规则，并生成可被外部程序自动验证的可运行游戏副本。基准包含25款游戏、5类核心机制共125项任务，每款游戏设五个难度等级。实验显示，当前编程智能体在黑盒复现上仍面临显著挑战：表现最佳的Claude Opus 4.8总体得分71.6%，其余模型仅4.0%至42.9%。所有模型均呈现视觉保真度得分明显高于实现与规则一致性得分的规律，说明智能体更易复现外观而非游戏机制；难度提升还会进一步放大这一差距。
🔑 关键词速览
| GameReplica | 本文提出的端到端黑盒游戏复现闭环评估框架，涵盖感知、探索、归纳、复现与验证全流程。 |
| 黑盒复现（Black-Box Replication） | 在无法获取源代码和文档的条件下，仅通过视觉观察与交互来推断并重建目标系统行为。 |
| 视觉语言智能体（Vision-Language Agent） | 能够同时处理视觉输入（如截图）和自然语言指令，并据此进行推理与行动的 AI 智能体。 |
| 规则一致性（Rule Consistency） | 复现体在游戏机制与规则层面与目标游戏保持一致的程度，是衡量复现质量的核心指标之一。 |
| 视觉保真度（Visual Fidelity） | 复现体在视觉外观上与目标游戏的相似程度，实验表明智能体通常更易达到较高的视觉保真度。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅