评测体系与基准构建： 负责构建覆盖 FPS、RPG 等多品类游戏的智能体评测基准（Benchmark），设计科学、全面、客观的多维度评估指标与覆盖长尾的测试集，真实反映模型在复杂游戏环境下的性能表现
自动化管线与平台研发：设计并实现可扩展、高效、稳定的自动化评测流水线（Pipeline），支持大规模并行游戏对局运行、评测指标计算
行为评估机制： 研发行为相似度算法，量化智能体与人类玩家在视觉观测与操作序列上的差异，验证 VLA 模型的对齐效果
对抗评测机制： 设计新旧模型对战、人机对战等对抗机制，验证智能体策略的强度稳定性与竞技表现
技术追踪： 持续追踪业界最新的AI评测方法论，不断完善评测矩阵，保持技术领先性