Sign In

WebGameBench: Requirement-to-Application Evaluation for Coding Agents via Browser-Native Games

μž‘μ„±μž
  • Haebom
μΉ΄ν…Œκ³ λ¦¬
Empty

μ €μž

Wenyu Zhang, Guoliang You, Tianlun, Haotian Zhao, Tianshu Zhu, Haoran Wang, Xiaoxuan Tang, Mingyang Dai, Jingnan Gu, Daxiang Dong, Jianmin Wu

πŸ’‘ κ°œμš”

λ³Έ 논문은 μ½”λ”© μ—μ΄μ „νŠΈκ°€ μš”κ΅¬μ‚¬ν•­ λͺ…μ„Έλ‘œλΆ€ν„° λΈŒλΌμš°μ €μ—μ„œ μ‹€ν–‰ κ°€λŠ₯ν•œ κ²Œμž„ μ• ν”Œλ¦¬μΌ€μ΄μ…˜μ„ μ–Όλ§ˆλ‚˜ 잘 μƒμ„±ν•˜λŠ”μ§€ ν‰κ°€ν•˜κΈ° μœ„ν•œ μƒˆλ‘œμš΄ 벀치마크인 WebGameBenchλ₯Ό μ œμ•ˆν•©λ‹ˆλ‹€. WebGameBenchλŠ” κ΅¬μ‘°ν™”λœ μ›Ήκ²Œμž„ λͺ…μ„Έλ‘œλΆ€ν„° μƒμ„±λœ μ• ν”Œλ¦¬μΌ€μ΄μ…˜μ„ μ‹€μ œ λΈŒλΌμš°μ € ν™˜κ²½μ—μ„œ ν…ŒμŠ€νŠΈν•˜μ—¬ EXCELLENT, USABLE, UNUSABLE의 μ„Έ 가지 λ“±κΈ‰μœΌλ‘œ ν‰κ°€ν•©λ‹ˆλ‹€. 이λ₯Ό 톡해 κΈ°μ‘΄ μ½”λ”© μ—μ΄μ „νŠΈλ“€μ΄ μ΅œμ†Œν•œμ˜ ν”Œλ ˆμ΄ κ°€λŠ₯ν•œ μ• ν”Œλ¦¬μΌ€μ΄μ…˜μ„ λ„˜μ–΄ μ™„λ²½ν•œ μš”κ΅¬μ‚¬ν•­ λ§Œμ‘±κΉŒμ§€λŠ” 아직 갈 길이 λ©€λ‹€λŠ” 것을 λ³΄μ—¬μ€λ‹ˆλ‹€.

πŸ”‘ μ‹œμ‚¬μ  및 ν•œκ³„

β€’
μ½”λ”© μ—μ΄μ „νŠΈμ˜ 평가λ₯Ό μ†ŒμŠ€μ½”λ“œ μˆ˜μ€€μ—μ„œ λ²—μ–΄λ‚˜ μ‹€μ œ μ• ν”Œλ¦¬μΌ€μ΄μ…˜μ˜ λ™μž‘κ³Ό μ‚¬μš©μ„±μ„ μ§μ ‘μ μœΌλ‘œ κ²€μ¦ν•˜λŠ” λ°©ν–₯으둜 μ „ν™˜ν•˜λŠ” 데 κΈ°μ—¬ν•©λ‹ˆλ‹€.
β€’
λ‹¨μˆœν•΄ λ³΄μ΄λŠ” κ²Œμž„μ‘°μ°¨λ„ μž…λ ₯ 처리, κ·œμΉ™ μ‹€ν–‰, μƒνƒœ μ „ν™˜ λ“± λ‹€μ–‘ν•œ 볡합적인 κΈ°λŠ₯을 μš”κ΅¬ν•˜λ―€λ‘œ, μ½”λ”© μ—μ΄μ „νŠΈμ˜ 쒅합적인 λŠ₯λ ₯을 ν‰κ°€ν•˜λŠ” 데 효과적인 ν…ŒμŠ€νŠΈλ² λ“œλ₯Ό μ œκ³΅ν•©λ‹ˆλ‹€.
β€’
ν˜„μž¬ μ½”λ”© μ—μ΄μ „νŠΈλ“€μ΄ 'usable' μˆ˜μ€€μ˜ μ• ν”Œλ¦¬μΌ€μ΄μ…˜ μƒμ„±μ—λŠ” μ–΄λŠ 정도 μ„±κ³΅ν•˜μ§€λ§Œ, 'excellent' μˆ˜μ€€μ˜ μ™„λ²½ν•œ λ§Œμ‘±λ„μ—λŠ” λ„λ‹¬ν•˜μ§€ λͺ»ν•˜λŠ” 간극을 λͺ…ν™•νžˆ λ“œλŸ¬λƒ…λ‹ˆλ‹€.
β€’
μΈκ°„μ˜ ν”Œλ ˆμ΄ κ²½ν—˜ 리뷰와 λΉ„κ΅ν–ˆμ„ λ•Œ, λŸ°νƒ€μž„ ν‰κ°€μ˜ 신뒰성을 μž…μ¦ν•˜λ € ν–ˆμœΌλ‚˜, λ‹€μ–‘ν•œ κ²Œμž„ μœ ν˜• 및 λ³΅μž‘μ„±μ— λŒ€ν•œ 포괄적인 검증은 ν–₯ν›„ 과제둜 λ‚¨μŠ΅λ‹ˆλ‹€.
πŸ‘
Made with Slashpage