Procedurally（程序化生成）指通过算法和规则自动生成内容或任务，而非人工逐一定义的做法。这一概念原本常见于游戏地图、纹理与关卡的自动创建，近一年因大模型评测与多模态训练的需要，重新成为 AI 社区关注的焦点：用程序化方式批量构造任务，正在成为检验和提升模型真实能力的新路径。
Procedurally 生成的评测任务成为大模型新试验场
当前焦点与观察点
程序化生成之所以受重视，核心在于它能规避基准测试的数据污染问题：任务由算法实时构造，参数可调、可无限扩展，模型无法通过“刷题”获得虚高分数。从 lmarena 上的体素艺术仿真提示实验，到“从零打造《战地》风格游戏”这类实践，社区正在验证模型能否在程序化生成的开放环境中持续稳定输出。
目前的争议点在于评测的公平性与可复现性：程序化任务虽然新鲜，但难度分布、评分标准尚未形成共识，不同生成器之间的结果难以横向比较。观察点包括：PGT 一类方法能否成为多模态训练的常规数据来源，以及主要实验室是否会将程序化生成任务纳入官方评测体系。对开发者而言，这类方法的工程成本（任务生成器的设计与维护）也是落地前需要权衡的现实问题。