Game-TARS: Voorgetrainde fundamentele modellen voor schaalbare generalistische multimodale spelagenten

Game-TARS: Pretrained Foundation Models for Scalable Generalist Multimodal Game Agents

October 27, 2025

Auteurs: Zihao Wang, Xujing Li, Yining Ye, Junjie Fang, Haoming Wang, Longxiang Liu, Shihao Liang, Junting Lu, Zhiyong Wu, Jiazhan Feng, Wanjun Zhong, Zili Li, Yu Wang, Yu Miao, Bo Zhou, Yuanfan Li, Hao Wang, Zhongkai Zhao, Faming Wu, Zhengxuan Jiang, Weihao Tan, Heyuan Yao, Shi Yan, Xiangyang Li, Yitao Liang, Yujia Qin, Guang Shi

cs.AI

Samenvatting

Wij presenteren Game-TARS, een generalistische game-agent die is getraind met een uniforme, schaalbare actieruimte verankerd aan mensgerichte, native toetsenbord-muisinvoer. In tegenstelling tot API- of GUI-gestuurde benaderingen, maakt dit paradigma grootschalige continue voorafgaande training over heterogene domeinen mogelijk, waaronder besturingssystemen, het web en simulatiegames. Game-TARS is voorgetraind op meer dan 500B tokens met diverse trajecten en multimodale gegevens. Belangrijke technieken omvatten een vervallend continu verlies om causale verwarring te verminderen en een efficiënte Sparse-Thinking-strategie die de redeneerdiepte en inferentiekosten in balans brengt. Experimenten tonen aan dat Game-TARS ongeveer twee keer zo'n hoog slagingspercentage behaalt als het vorige state-of-the-art-model bij open-wereld Minecraft-taken, de algemeenheid van onervaren mensen benadert in onbekende web-3D-games, en beter presteert dan GPT-5, Gemini-2.5-Pro en Claude-4-Sonnet in FPS-benchmarks. Schaalresultaten voor trainings- en testtijd bevestigen dat de uniforme actieruimte verbeteringen behoudt bij opschaling naar cross-game en multimodale gegevens. Onze resultaten tonen aan dat eenvoudige, schaalbare actierepresentaties gecombineerd met grootschalige voorafgaande training een veelbelovend pad bieden naar generalistische agents met brede computergebruik-vaardigheden.

English

We present Game-TARS, a generalist game agent trained with a unified, scalable action space anchored to human-aligned native keyboard-mouse inputs. Unlike API- or GUI-based approaches, this paradigm enables large-scale continual pre-training across heterogeneous domains, including OS, web, and simulation games. Game-TARS is pre-trained on over 500B tokens with diverse trajectories and multimodal data. Key techniques include a decaying continual loss to reduce causal confusion and an efficient Sparse-Thinking strategy that balances reasoning depth and inference cost. Experiments show that Game-TARS achieves about 2 times the success rate over the previous sota model on open-world Minecraft tasks, is close to the generality of fresh humans in unseen web 3d games, and outperforms GPT-5, Gemini-2.5-Pro, and Claude-4-Sonnet in FPS benchmarks. Scaling results on training-time and test-time confirm that the unified action space sustains improvements when scaled to cross-game and multimodal data. Our results demonstrate that simple, scalable action representations combined with large-scale pre-training provide a promising path toward generalist agents with broad computer-use abilities.