تطورت مجالات الذكاء الاصطناعي بشكل سريع، لكن تقدم الوكلاء في فهم المحتوى المتعدد الوسائط لا يزال يتلكأ. ومن بين التحديات الكبرى التي يواجهها هؤلاء الوكلاء عدم وجود منصات تقييم تدمج بين التعقيد الهائل لتطوير البرمجيات واحتياجات الف理解 المتعدد الوسائط. في عالم تطوير الألعاب، يُعتبر التنقل في أكواد كثيفة ومعقدة، فضلاً عن التعامل مع الأصول المتعددة مثل الظلال (Shaders) والرموز المتحركة (Sprites) والرسوم المتحركة (Animations)، من الأمور البالغة التعقيد.

ولهذا السبب، تم تقديم مشروع GameDevBench، الذي يُعتبر أول معيار لتقييم الوكلاء في مهام تطوير الألعاب. يتضمن هذا المشروع 333 مهمة مستخرجة من دورات الفيديو التعليمية والتوجيهات عبر الويب. تشكل هذه المهام تحديًا كبيرًا، حيث تتطلب فهماً عميقاً متعدد الوسائط. وكشفت الأبحاث أن الوكلاء يواجهون صعوبة كبيرة في تطوير الألعاب، حيث تمكن أفضل الوكلاء من إنجاز 53.8% فقط من المهام.

تظهر البيانات وجود علاقة قوية بين صعوبة المهمة والتعقيد المتعدد الوسائط، حيث ينخفض معدل النجاح من 51.4% في المهام المتعلقة بأسلوب اللعب إلى 33.0% في مهام الرسومات ثنائية الأبعاد. لتحسين القدرة على التعامل مع المحتوى المتعدد الوسائط، اقترح الباحثون إدخال آليتين بسيطتين للتغذية الراجعة استنادًا إلى الصور والفيديو. ورغم بساطتهما، أثبتت هذه الأساليب تحسين الأداء، حيث زادت أداء نموذج الذكاء الاصطناعي GPT-5.4 من 41.1% إلى 52.0% عند استعمال التغذية الراجعة المرئية.

استنادًا إلى هذه النتائج، يتضح جلياً أن الابتكار في وسائل التقييم يمكن أن يُحدث ثورة في طريقة فهم الوكلاء لتطوير الألعاب، مما يسهم بدوره في تحسين مهاراتهم المتعددة.