行业与实践 · 研究与基准测试

研究与基准测试/2026-10-12/25 分钟

BrickBench：评测智能体式积木设计

BrickBench 评测编程智能体能否按文本设计可搭建的乐高套装。有了验证环境，有效性几乎被解决，但设计质量仍明显不及人类。