Naukowcy z arXiv opublikowali GameGo, framework do automatycznego generowania gier przez agenty kodujące zasilane modelami języka. Problem jest jasny: dotychczasowe podejścia, gdy dostają sparty prompt od użytkownika, generują niekompletne gry z rozproszoną mechaniką i słabą grafiką. Coding agenty nie wiedzą, jakie założenia powinny poczynić - stąd chaos.
GameGo rozwiązuje to poprzez systematyczną transformację krótkich opisów gier (game seeds) w szczegółowe dokumenty wymagań, oparte na rzeczywistych praktykach industrialnych. Framework używa dynamicznej kompresji zadań, żeby maksymalizować gęstość informacji bez ograniczania eksperacji designu. To pozwala agentom robić lepsze decyzje architektoniczne. Na bazie tego pipeline'u powstał GameGoData - zbiór 55 tysięcy trajektorii developments dla gier 2D, 2.5D i 3D - oraz GameGoBench, benchmark z 124 różnymi zapytaniami do gier.
Trenowanie modelu GameGoCoder na tych danych dało rezultaty porównywalne z modelami granicznymi (frontier models) w testach. To oznacza, że AI może teraz generować pełnoprawne, złożone gry z prawie zerowego prompta. Dla branży gamedev to przełom - zamiast ręcznego kodowania gier, deweloperzy mogą pracować z agentami, którzy rozumieją designowe konwencje i generują spójne systemy. Naukowcy obiecali udostępnić kod, dane i modele publicznie.