arXiv · 机器人与计算机视觉· Krish Bakshi·· 2026-10-09AI 评分70
WorldBench:评估 LLM 在 Three.js 体素世界生成能力的新基准
WorldBench: Evaluating LLMs on Three.js Voxel World Generation
AI 导读
针对大语言模型生成的交互式 3D 世界自动评测不可靠的问题,本文提出 WorldBench 基准与裁判器。该工具通过控制时钟、环绕观察并派遣智能体遍历每个生物群落,同时交叉验证代码内容与像素测量结果,解决了单一视角或仅读源码导致的误判问题。研究在五个前沿模型上进行了评估,相关测试代码、提示词及裁判配置已开源。
来源:arXiv · 机器人与计算机视觉 · arxiv.org