基准
BrickBench
面向文本条件乐高积木套装设计的AI智能体评估基准，从有效性、语义对齐度和设计质量三个维度评估智能体的空间推理与约束满足能力
时间轴 (近 90 天)
10月13日
学术界提出了名为BrickBench的智能体基准，用于评估AI在文本条件乐高套装设计中的能力，要求智能体从离散零件库中选择积木并构建满足语义与设计标准且可物理搭建的组装体。
待验证50%
10月13日
BrickBench设置了三个不同难度层次的评估场景，在规模和可用零件库上有所差异。
待验证50%
10月13日
BrickBench的评估指标覆盖有效性（物理可搭建性）、对齐度（语义忠实度）和设计质量（美观性、稳固性、创意）三个核心维度。
待验证50%
10月13日
当前领先的AI智能体在BrickBench可验证的物理和语义要求上基本能满足，但生成设计与人类设计师作品相比仍有明显差距。
待验证50%
10月13日
研究团队已在 http://www.brickben.ch 开源了BrickBench基准测试和BrickAgent开发环境。
待验证50%
全部知识事实 (5)
待验证
BrickBench设置了三个不同难度层次的评估场景，在规模和可用零件库上有所差异。
50%待验证BrickBench的评估指标覆盖有效性（物理可搭建性）、对齐度（语义忠实度）和设计质量（美观性、稳固性、创意）三个核心维度。
50%待验证学术界提出了名为BrickBench的智能体基准，用于评估AI在文本条件乐高套装设计中的能力，要求智能体从离散零件库中选择积木并构建满足语义与设计标准且可物理搭建的组装体。
50%待验证当前领先的AI智能体在BrickBench可验证的物理和语义要求上基本能满足，但生成设计与人类设计师作品相比仍有明显差距。
50%待验证研究团队已在 http://www.brickben.ch 开源了BrickBench基准测试和BrickAgent开发环境。
50%