Skip to content
Hot storiesContinuously updated

研究团队发布3D游戏动作数据集AceAction-5M

1 reports1 reporting sourcesUpdated 13 hours ago

Start here

AI overview

2026年11月4日，研究人员在arXiv发布关于跨3D游戏通用动作学习的数据集AceAction（AceAction-5M）。该数据集基于跨多款3D游戏的人类游玩数据，将全局任务、有序子目标与局部技能指令同视觉观测及键鼠动作进行对齐，涵盖导航、侦察、战斗、交互与恢复等多种动作类型。同时，研究团队采用视觉语言模型管线划分任务阶段边界。在针对500条轨迹的审核中，独立评审通过率达到95.8%，为智能体学习执行与切换复杂技能提供了数据支撑。

AI-generated from reports · Updated 13 hours ago

Latest developmentsNov 4 13:00
研究团队发布跨3D游戏动作数据集AceAction-5M，独立评审通过率达95.8%。

Report timeline

Follow the reports to see different sides of the story.

Nov 4
  1. arXiv 人工智能
    AceAction-5M：跨 3D 游戏世界通用动作学习的分层目标

    研究人员推出跨多款 3D 游戏的人类游玩数据集 AceAction，将全局任务、有序子目标与局部技能指令同视觉观测及键鼠动作对齐。该数据集涵盖导航、侦察、战斗、交互与恢复等动作，并通过视觉语言模型管线划分任务阶段边界。经对 500 条轨迹的审核，独立评审通过率达 95.8%，为研究智能体执行与切换复杂技能提供了数据基础。

Story heat trend

Current heat 7·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

02.557.510Nov4Nov4Nov4Nov5

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.