给游戏里的剑加伤害不难；难的是加一套技能树后，战斗、成长和界面还能彼此配合，没被要求修改的部分也照常运行。World Editing把这种能力叫作“世界编辑”：不是凭空生成场景，而是让编码智能体修改《Minecraft》和《Terraria》的游戏模组，再实际编译、启动和检验这个可执行世界。
作者构建的IGMBench——一套统一任务和评分办法——包含110项任务、1161条可执行检查，并按“干预深度”分为四级：从改属性、添实体，到重写行为规则和多个系统。最强配置严格完成了78.2%的整项任务，但越深的修改越不可靠；即使控制任务的检查条目数量，这一趋势仍然存在。更值得注意的是，多数失败版本仍能编译和载入，真正卡住的是世界没有按要求运转。所有配置的联合视觉通过率还不到50%。换句话说，AI已经会动手改世界，但要同时管住机制、外观和未改部分，仍有明显距离。以上效果均为论文作者报告。