你让 AI 连续生成一分钟游戏画面，它可能慢慢“忘记”先前发生过什么：拿走的物品重新出现，角色和场景也开始漂移。GameVerse 想从训练数据下手解决这个问题。作者认为，症结不只在模型能力，还在于现有游戏视频通常不足十秒，无法教会模型维持更久的一致性。
这套数据集包含 6.97 万段视频、共 1655 小时，其中 1358 小时是连续两分钟片段。它还把说明文字对齐到具体事件边界，并区分静态场景、动态事件和玩家动作；相当于不只告诉 AI“这段在战斗”，还标清何时发生了什么。每段视频也配有经过跳变、抖动和漂移筛查的逐帧镜头轨迹，帮助模型理解视角如何移动。
作者称，用 GameVerse 微调视频生成模型后，多项时间一致性、画质和可控性指标优于游戏领域基线。不过实验采用的是 30 秒测试，尚未直接证明模型能在完整两分钟里始终保持清醒。