GameplayQA：面向 3D 虚拟智能体的决策密集、POV 同步多视频理解评测框架
[Daily Paper] GameplayQA: A Benchmarking Framework for Decision-Dense POV-Synced Multi-Video Understanding of 3D Virtual Agents
AI 导读
论文提出 GameplayQA，一个以 9 款商业游戏为测试场的多模态大模型评测框架，用于考察 3D 智能体的感知与决策理解。框架在 2,219.41 秒素材上标注 2,709 条标签，决策密度约 1.22 标签/秒，并把任务分为单视频感知、时序推理、跨视频多视角推理三级。评测 16 个前沿模型后，人类总体准确率为 80.5%，Gemini 2.5 Pro 为 71.3%；事件计数与跨视频排序分别只有 36.5% 和 38.8%，模型追踪其他智能体时比追踪世界物体低约 8%。论文称在 Nexar 与 Ego-Humans 数据集上难度排序保持一致。