原题:GTAGym: Real AAA Game Tasks Environment for Evaluation and Reinforcement Learning
GTAGym 从 GTA V 主线任务改编出 GTAVBench:103 个在线 3D 任务(九类)加 47 个基于 GTA V 画面的射击和狙击任务,智能体通过截图和键盘鼠标动作交互,结果由引擎状态自动判定。另有 GTAVBench-AGI 分支,任务说明只出现在第一张截图里,交给 Codex 框架、只开放一个游戏步进工具。作者评测了六个前沿模型,最好的配置总体准确率 70.9%,人类基线 89.8%,空中导航、拦截和躲避仍然很难。用生成的步行导航任务对 Qwen3.8-27B 做 LoRA 强化学习后,原生 GTA V 任务从 15% 提到 23%。
为什么重要 大型游戏任务的结果难以自动判定,这里由引擎状态直接判分,还能按模板批量生成任务做强化学习
点赞 12 · 代码星数 10
理由
- 不用安装就能在浏览器里玩全部 150 个任务;3D 环境用 Babylon.js 在开源项目 GTA_SZ 上搭建
- 评测记录截图、动作、压缩视频、token 用量和模型返回的推理摘要;任务生成器可在模板内采样路线、目标、时间等参数,自动给奖励和终止信号
- 测试任务也放在抱脸数据集 OpenMOSS-Team/GTAVBench
用法
- 代码:https://github.com/ljbro/GTAGym;在线试玩见项目的 tasks.html 页面
- 本地:npm ci、npm run build、npm start -- --port 4200 起游戏服务,再用 npm run eval:json 或 npm run eval:codex 指定模型配置评测
风险
- 3D 任务运行在浏览器重建的城市环境里,不是原版游戏;原生 GTA V 任务靠人工看视频核验
- 画面素材涉及 Rockstar 的游戏图像,各素材许可另列在 licenses/;成绩为作者报告,本条未运行