Tag
OCTAVE 是一个针对端到端 HTML5 游戏生成的能力分解基准,包含 8 个能力维度、180 个任务和 1,800 条评估要求;对 11 个模型-工具链组合的评测显示最佳组合的通过率仍不足 50%,揭示了 AI 代理在完整游戏开发中的显著差距。