[2026-09-27] SWE-Game: Can Coding Agents Build the Games We Want?
41 个可运行 Godot 参考游戏派生出 247 道开发、补全、修复与移植题。SWE-Game 用预定动作试玩，再检查状态变化和无输入对照；本文沿 Beacon Relay 的拾取、计时、送达过程解释判分。
# 游戏开发
[2026-09-18] GameLogicBench: Evaluating Coding Agents on Runtime Game Logic with Tick-Level State Assertions
在给定 Godot 项目里补好玩法逻辑，怎样确认它每一步都守规则？从引擎与代码示例讲起，逐项拆解任务构建、真实案例、隐藏判分和实验分母。
[2026-09-18] GameASG-Bench: Benchmarking Autonomous Software Generation for Game Development
47 个浏览器游戏怎样验收：谁写测试、编码模型系统看见哪些材料、真实拖拽如何判失败，以及为什么运行检查平均通过率 93.2% 只对应 26/47 个完整成功任务。
