Siewart/sage

该数据集包含《帝国时代2：决定版》的两个游戏记录数据集，主要用于科学研究和分析。数据集分为两个子集：1) kotd4：来自King of the Desert 4锦标赛的179场游戏记录，最初用于SAGE项目，游戏日期为2021年11月18日至12月12日，游戏版本为56005；2) may2026：一个较新的、更大的数据集，来自2026年5月的1v1随机地图天梯游戏，游戏版本为175278，具体游戏数量仍在处理中。每个数据集提供多种数据视图：.aoe2record（原生游戏文件，包含游戏起始条件和命令）、.caderec（CaptureAge原生文件，近乎游戏版本独立）、Arrow .zip（内存优化的数据帧，以60秒和1秒的窗口快照率，使用IPC格式模拟原始研究限制）和Parquet .zip（存储优化的数据帧，从Arrow文件转换而来）。数据集适用于游戏策略分析、时间序列研究和电子竞技案例研究，但需注意数据收集的局限性，如地图半随机选择、游戏版本兼容性问题、部分解析失败以及可能的数据偏差。数据集基于Apache 2.0许可证发布，但游戏字符串和原始.aoe2record文件受微软相关条款约束。This dataset contains two recorded game datasets for Age of Empires 2: Definitive Edition, primarily for scientific research and analysis. It consists of two subsets: 1) kotd4: 179 recorded games from the King of the Desert 4 tournament, originally used for the SAGE project, with game dates from November 18 to December 12, 2021, and game version 56005; 2) may2026: a newer, larger dataset from 1v1 Random Map ladder games in May 2026, with game version 175278, and the total number of games is still being processed. Each dataset offers multiple data views: .aoe2record (native game files containing starting conditions and commands), .caderec (native CaptureAge files that are virtually game-version independent), Arrow .zip (memory-optimized data frames at snapshot rates of 60 and 1 seconds, using IPC format to mimic the original research limitations), and Parquet .zip (storage-optimized data frames converted from Arrow files). The dataset is suitable for game strategy analysis, time-series research, and esports case studies, but note limitations such as semi-random map selection, game version compatibility issues, some parsing failures, and potential data biases. It is released under the Apache 2.0 license, but game strings and original .aoe2record files are subject to Microsofts terms.

搜集汇总

数据集介绍

构建方式

SAGE数据集以《帝国时代II：决定版》的顶级赛事对局与天梯排位战为蓝本，从King of the Desert 4锦标赛与2026年5月的1v1随机地图天梯赛中，分别采集了179局与若干局完整录像。研究团队通过官方API获取.aoe2record原生游戏文件，并借助CaptureAge工具将其转换为版本独立的.caderec格式，进而抽取出高频快照（60秒与1秒窗口）下的Arrow IPC二进制帧与Parquet列式存储文件。每一场对局均被分解为玩家状态、实体动态、科技进程与全局事件等多个关联视图，并以`sage:windowId`作为时间戳纽带，形成可供深度分析的关系型数据仓。

特点

该数据集最显著的特质在于其前所未有的细粒度与多模态对齐能力。它同时提供了单位坐标、资源存量、玩家指令与战斗事件在毫秒级时间轴上的精确映射，且每个实体均包含创建、更新、删除的生命周期标记（DUCT类型），使得跨帧的状态重建成为可能。此外，数据涵盖游戏版本56005与175278两个时期，既保留了早期锦标赛的珍贵记录，又囊括了最新版本的天梯数据，为对比不同补丁间的策略演化提供了天然实验场。CC0许可协议下的开放发布更赋予了学术界极高的复用自由度。

使用方法

研究人员可根据具体任务灵活选取数据形态：对于策略建模与序列分类，建议直接使用已对齐的Arrow或Parquet快照文件，通过`sage:windowId`键将玩家、实体与科技表进行多表连接（join），并视需要进行去规范化处理；对于需要精确事件时间线的分析，如击杀序列或市场交易流，则可直接调用事件（events）与指令（commands）表中按世界时间戳（worldTime）组织的记录。若需重放验证或视觉化回看，.caderec文件可直接在CaptureAge客户端中加载，而.aoe2record原生文件则需匹配对应游戏版本。建议在预处理时留意FoW迷雾与指令归属的不一致性，并利用文件名中的玩家ID与Elo分数据通过官方API补充元信息。

背景与挑战

背景概述

SAGE数据集由荷兰特温特大学的S. van Wingerden于2026年创建，专注于《帝国时代II：决定版》电子竞技领域的时间序列分析。该数据集以King of the Desert 4锦标赛（2021年）和2026年5月的天梯对战为数据源，收录了共计数百场高对抗性的1v1对战记录。研究团队通过与CaptureAge合作，从原始游戏录像中提取了高分辨率的多模态时序数据，涵盖实体位置、资源状态、玩家指令与战斗事件等维度。这一创新性数据集的核心价值在于，为游戏分析、策略建模、时序分类及体育科学研究提供了真实的多智能体序贯决策数据，弥补了该领域缺乏标准化、高质量基准数据的空白。其发布对电子竞技数据分析、强化学习环境构建以及基于复杂博弈的机器学习研究产生了显著的推动作用。

当前挑战

SAGE数据集所解决的领域问题聚焦于复杂实时策略游戏（RTS）中的多智能体协同与对抗行为分析，传统数据集难以捕捉此类动态环境中细粒度的时空决策信息。构建过程中的挑战尤为突出：首先，数据需从不同游戏版本中反序列化，且原始录像与下游分析格式之间转换成功率仅80%-90%，部分特征因版本更新而未能完全捕获。其次，比赛采样受限于官方API保留期限与地图偏好，可能导致数据分布存在偏差。此外，数据本身具有复杂的关系型结构，要求多表通过窗口索引或时间戳进行联接，对机器学习管线的预处理提出了显著挑战，任务特定的反规范化步骤成为必要。最后，隐私与版权合规性也构成约束，需严格遵循微软的使用规则进行数据发布。

常用场景

经典使用场景

在电子竞技与游戏智能分析领域，SAGE数据集为研究实时多智能体序贯决策行为提供了前所未有的数据基础。其核心应用场景聚焦于利用高分辨率的时序游戏快照，对《帝国时代II：决定版》中的复杂战略与战术执行进行建模。研究者能够借助该数据集的分钟级和秒级窗口数据，精准追踪每位玩家的资源演变、单位部署、科技升级路径以及战斗事件的时空关联。这一数据集尤其适用于构建策略推理模型，例如预测对手的文明选择、经济分配策略或军事进攻时机，从而将游戏过程中的隐式决策模式转化为可量化的分析对象，为理解高水平的实时对抗博弈开辟了新的实证路径。

衍生相关工作

该数据集直接催生了以自动化战报生成为代表的标志性研究成果，其中Van Wingerden的硕士论文《One Thousand and One Tales: Automated Age of Empires II eSports Reports from Raw Real-time Game Data》正是基于SAGE数据集的典型工作。该研究利用数据集内的时间序列与事件信息，训练模型以自然语言形式自动生成对局摘要，涵盖了关键冲突、经济转折点及胜负归因等要素。此外，由于数据集中提供了详尽的实体快照与玩家命令记录，它为后续关于策略宏观管理、实时对手建模以及游戏内模式挖掘的研究提供了可比较的基准。社区中基于该数据集开展的衍生工作还包括对文明对抗平衡性的数据驱动分析，以及利用图神经网络对复杂战场态势进行结构化表征，这些工作共同印证了SAGE数据集在推动游戏智能研究领域持续演进的基石作用。

数据集最近研究

最新研究方向

该数据集为基于《帝国时代II：决定版》实时对战的多智能体时序决策研究奠定了坚实基础，尤其在电竞分析、策略建模与时间序列分类领域具有开创性意义。近期研究前沿聚焦于利用其高分辨率时间序列快照与丰富实体状态，结合自然语言生成技术自动化撰写赛事报告，并探索将游戏内经济、军事与科技决策轨迹映射至强化学习与模仿学习框架中。其成果不仅推动了游戏人工智能对微观操作与宏观战略协同机制的理解，也为运动科学中的实时团队协作分析与异常行为检测提供了宝贵的跨域迁移范式。