★ 3
GameASG-Bench：游戏开发自主软件生成基准
论文提出 GameASG-Bench，将行为可测试性纳入游戏开发生成任务，通过静态 L1 与浏览器执行 L2 检查评估智能体产出。基准包含 47 个浏览器原生游戏生成任务，覆盖 12 类题材与 2D/3D 交互。九个智能体栈中最高平均 L2 通过率达 93.2%，但严格任务成功率仅 55.3%，暴…
arXiv cs.AI42 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出 GameASG-Bench，将行为可测试性纳入游戏开发生成任务，通过静态 L1 与浏览器执行 L2 检查评估智能体产出。基准包含 47 个浏览器原生游戏生成任务，覆盖 12 类题材与 2D/3D 交互。九个智能体栈中最高平均 L2 通过率达 93.2%，但严格任务成功率仅 55.3%，暴…