Live Game2Player: Builder-Agent wandelt 568 Web-Spiele in überprüfbare Trainingsumgebungen
↘

Game2Player: Builder-Agent wandelt 568 Web-Spiele in überprüfbare Trainingsumgebungen

Forschende der UIUC und Partner koppeln Umgebungsbau und Spielen in einer Schleife; ein 9B-Modell steigert den Spielfortschritt nach Angaben der Autoren von 14,3 auf 31,2 Prozent

· Veröffentlicht: 22.11.2026 ·3 Min Lesezeit
Game2Player: Builder-Agent wandelt 568 Web-Spiele in überprüfbare TrainingsumgebungenMit KI erstellt
Inhalt
◆ Fakten auf einen Blick
  • Game2Player ist ein Framework, in dem ein Builder-Agent bestehende Web-Spiele anpasst und Aufgaben mit Erfolgsprüfungen definiert.
  • Die Autoren berichten 568 verifizierte Web-Spiele mit 3.436 Aufgaben und 15,7K Trajektorien.
  • Game2Player-9B steigert den Fortschritt auf PlayerBench von 14,3 % auf 31,2 %.
  • Als Basismodell dient Qwen3.5 in 4B- und 9B-Größe, ausgewertet auf PlayerBench und GameWorld.
  • Code, Modellgewichte, Projektseite und PlayerBench sind veröffentlicht; der Trainingsdatensatz noch nicht.

Builder-Agent macht aus 568 Web-Spielen überprüfbare Aufgaben

Forschende der University of Illinois Urbana-Champaign (UIUC) und Partner stellen Game2Player vor. Das Framework macht bestehende Web-Spiele zu überprüfbaren Umgebungen. Ein Builder-Agent passt die Spiele an, legt ihren internen Zustand offen und formuliert Aufgaben mit zustandsbasierten Fortschrittsmaßen und Erfolgsprüfungen. Entscheidend ist dieser offene Zustand. Nur wenn er auslesbar ist, lässt sich automatisch feststellen, wie weit ein Spieler gekommen ist und ob eine Aufgabe gelöst wurde.

Zwei Spieler bearbeiten die Aufgaben: ein Coding Player, der Code-Policies schreibt, und ein VLM Player, der anhand von Screenshots spielt. Stoßen sie auf Probleme, melden sie diese an den Builder zurück, der repariert. Das Spielen dient so zugleich der Validierung der Umgebung und der Sammlung von Trainingsdaten. Nach Aussage der Autoren ist genau diese Kopplung von Umgebungsbau und Spielen in einer Schleife neu. Bestehende Datensätze enthalten nur wenige Spiele oder keine expliziten Aufgaben mit überprüfbaren Ergebnissen. Game2Player soll hier mehr Umfang bieten. Ein Vergleich mit früheren Arbeiten ist nicht Teil der Veröffentlichung.

Die Autoren nennen 568 verifizierte Spiele mit 3.436 Aufgaben sowie 15,7K Trajektorien, was 307 Stunden Gameplay entspricht. 50 Spiele halten sie als Benchmark PlayerBench zurück; er umfasst 287 Aufgaben. Beteiligt sind Xirui Jiang, Yuxi Chen und Rui Yang (Projektleitung), dazu weitere Autorinnen und Autoren der UIUC, UCSB, Georgia Tech, Northwestern und IBM.

9B-Modell steigert Spielfortschritt von 14,3 auf 31,2 Prozent

Zum Training setzen die Autoren fortschrittsgewichtetes Supervised Fine-Tuning ein. Schritte, die den Aufgabenfortschritt voranbringen, fließen stärker ins Gewicht. Die Idee dahinter: Ein Spieler macht viele wirkungslose Züge. Das Modell soll vor allem die Züge nachahmen, die tatsächlich weiterführen. Basis sind Qwen3.5 in den Größen 4B und 9B. Vision-Encoder und Projektor bleiben eingefroren; trainiert wird das Sprachmodell.

Nach Angaben der Autoren steigt Game2Player-9B auf PlayerBench von 14,3 auf 31,2 Prozent Fortschritt. Auf dem externen Benchmark GameWorld legt es von 30,0 auf 53,1 Prozent zu. GameWorld umfasst 34 Spiele und 170 Aufgaben, PlayerBench 50 Spiele und 287 Aufgaben. Jedes Modell absolviert jede Aufgabe einmal, mit höchstens 100 Schritten. Bei diesen Einzeldurchläufen bleibt offen, wie stark die Werte schwanken.

Das Modell erhält Screenshots, die Aufgabenbeschreibung und die letzten Aktionen. Ausgegeben wird die nächste Tastatur- oder Mausaktion als computer_use-Aufruf. Alle genannten Zahlen stammen von den Autoren selbst. Eine unabhängige Replikation liegt bislang nicht vor.

Code, Gewichte und Benchmark sind offen, der Datensatz fehlt

Öffentlich sind das Code-Repository auf GitHub, die Projektseite, PlayerBench samt Leaderboard sowie die Gewichte von Game2Player-4B auf Hugging Face. Sie lassen sich mit vLLM oder Transformers laden. Die Gewichte des 9B-Modells, auf dem die genannten Spitzenwerte beruhen, führen die Angaben nicht auf. Der Trainingsdatensatz ist auf der Modellkarte nur als „coming soon“ angekündigt. Wer die Daten nutzen will, muss warten.

Das Repository beschreibt die Rollen der Pipeline. Ein Scout wählt Spiele aus. Der Builder passt sie für Offline-Spiel an und legt den Zustand über game_api.js offen, mit Engine-Skills für Unity, Flash, Godot und PICO-8.

Die Autoren sehen darin einen Weg, Gameplay-Erfahrung für Visual Agents zu skalieren. Das ist ihre Behauptung. Prüfen lässt sie sich nur durch Replikation mit weiteren Spielen und Modellen, durch Skalierungsexperimente und durch unabhängige Evaluation auf PlayerBench und GameWorld. Vision-Zero, SPADE und G1 beschreiben verwandte Ansätze zu Selbstspiel und Umgebungen, erwähnen Game2Player aber nicht. Einen Vergleich lässt das nicht zu.

A
Andreas Rüdiger
Herausgeber & Redaktionsleitung · KI-Modelle, Technik & Business

Andreas Rüdiger ist Gründer der Agentur INREMA und verantwortet KI Spotlight redaktionell. Sein Schwerpunkt liegt auf KI-Modellen, Recheninfrastruktur, technischen Entwicklungen und der wirtschaftlichen Einordnung. Er sorgt dafür, dass komplexe KI-Themen verständlich und nachvollziehbar aufbereitet werden. Mehr zu ihm auf inrema.de und andiger.de.

Ähnliche Artikel