知识卡片：Game2Real-Bench：玩具游戏能揭示并迁移到真实世界视觉推理吗？

一句话结论

Game2Real-Bench 通过共享推理需求（而非视觉相似性）对齐程序生成的游戏样本与真实世界样本，发现视觉语言模型的游戏表现与真实世界视觉推理表现高度一致（Pearson/Spearman 相关系数达 0.935），但游戏示例的迁移效果因能力类型而异：约束推理提升，细粒度感知下降。

事件概述或研究问题

视觉推理是视觉语言模型（VLM）理解视觉证据、空间结构、约束与状态变化的重要能力。现有评估主要依赖真实世界数据或程序生成任务：真实数据保留自然复杂度，程序游戏提供可控生成与可验证解。但此前尚不清楚：玩具游戏中测得的能力是否对应真实世界视觉推理？游戏示例能否支持迁移？Game2Real-Bench 正是为研究这一连接而提出。

方法/产品要点

• 覆盖四类能力组：细粒度感知、空间推理、约束推理、顺序规划。
• 构建 1,000 个程序生成游戏样本，带可执行验证。
• 策展 400 个真实世界样本，按共享推理需求对齐，而非视觉相似性。
• 评估 25 个代表性 VLM，分析游戏到真实世界的一致性。
• 在 4 个模型上研究 one-shot 游戏到真实世界迁移。
• 另构建 Game2Real-Dataset：近 24K 验证游戏样本，覆盖 18 个任务、65 个 QA 家族。
• 基准、数据集与代码已在 https://github.com/QingAnLiu/Game2Real-Bench 公开。

主要结果或产业意义

• 游戏与真实世界表现存在强一致性：Pearson 与 Spearman 相关系数均为 0.935。
• one-shot 游戏到真实世界迁移效果不一：约束推理在多个模型上提升；细粒度感知在游戏演示后下降。
• 说明游戏样例可作为真实世界视觉推理的代理信号，但迁移收益取决于能力类型，不能一概而论。
• 对 VLM 评测与训练数据选择有直接参考价值：玩具游戏可用于可控、可验证的推理评估，但需注意感知类能力的负迁移风险。

为什么重要

• 现有 VLM 视觉推理评测要么依赖真实数据（难以可控生成与验证），要么依赖程序游戏（是否代表真实能力存疑）。本工作首次系统检验两者的一致性，给出量化证据。
• 揭示“游戏到真实世界”迁移并非单向增益：约束推理受益，细粒度感知受损，提示训练/评测设计需按能力维度区别对待。
• 提供公开基准与大规模验证数据集，可作为后续 VLM 视觉推理研究的可控评测基础设施。

局限与不确定性

• 论文仅报告 4 个模型上的 one-shot 迁移实验，样本与模型规模有限，迁移结论的普适性待核实。
• 400 个真实世界样本的覆盖范围与任务分布细节未在摘要中说明，其代表性待核实。
• “按共享推理需求对齐”的具体对齐标准与人工策展流程待核实。
• 细粒度感知下降的原因机制（是演示干扰还是任务不匹配）未在摘要中说明，待核实。

可用于图书/PPT/简报的角度

• “游戏能否作为真实世界视觉推理的代理？”——用 0.935 相关系数作为核心论据。
• “迁移不是免费的”：约束推理提升 vs 细粒度感知下降，说明能力维度的异质性。
• 程序生成 + 可执行验证 + 真实对齐的三层评测设计，可作为基准构建方法案例。
• 24K 验证样本、18 任务、65 QA 家族的规模数据，适合作为 VLM 评测资源引用。

与既有脉络的关系

• 与“Beacon：知道何时以及如何进行智能体视觉推理”同属智能体/视觉推理评测与能力诊断方向，但 Game2Real-Bench 聚焦于游戏与真实世界的一致性及迁移，而非工具使用时机。
• 与“ClinMM-Bench”同属领域/能力专项基准，但后者聚焦临床多轮诊断，本条聚焦游戏到真实世界的视觉推理迁移。
• 增量信息：首次量化游戏与真实世界视觉推理的一致性（0.935），并揭示迁移的方向性差异（约束推理 vs 细粒度感知）。

原始材料

• Title: Game2Real-Bench: Do Toy Games Reveal and Transfer to Real-World Visual Reasoning?
• arXiv ID: 2610.18834v1
• Authors: Qingan Liu, Juntong Feng, Yue Zhu, Yujie Cheng, Xinzhe Han, Shuai Hao, Yunzhi Zhuge, Haiwen Diao, Huchuan Lu
• Published: 2026-10-13T17:55:10Z
• Primary category: cs.CV
• Abstract URL: https://arxiv.org/abs/2610.18834v1
• PDF URL: https://arxiv.org/pdf/2610.18834v1
• Code/Dataset: https://github.com/QingAnLiu/Game2Real-Bench