GameXpert-Bench：编程智能体距离专家级游戏开发还有多远？

研究者推出 GameXpert-Bench，用 GameGen、GameFix、GameOpt 三条赛道分别评测编程智能体的游戏生成、缺陷诊断修复与多轮优化能力，共含 11 类 97 个生成任务、50 个游戏关卡衍生的 100 个修复任务（每个注入 19-27 个 bug）以及 17 条六轮优化链、102 个请求。