Video-Arena：面向时空能力的可扩展智能体视频基准

论文提出 Video-Arena 基准，将竞技游戏转化为可规模化、可验证的视频世界状态理解测试，涵盖感知关键事件、解读状态更新、跟踪状态结果三类任务。评测在 9 款游戏共 180 个任务的 golden set 上，分别以原生视觉理解和工具辅助智能体分析两种协议进行；结果显示原生模型难以可靠感知事件，工具辅助系统虽提升事件恢复能力，但在解读状态更新和持续跟踪状态方面仍存在困难。