GameWorld

该基准可能提供游戏任务、观察空间、动作界面和代理表现的评分规则。技术评估应侧重于规划范围、行动有效性、状态理解、奖励设计、可重复性以及代理是否可以跨游戏或任务进行泛化。游戏基准测试非常有用，因为它们同时强调感知、记忆、策略和实时决策。

GameWorld 对于需要一种结构化方法来比较静态问答基准之外的代理的研究人员和开发人员来说很有价值。它可以揭示代理是否能够真正在决策产生后果的交互式环境中运行。