งานวิจัย
GameXpert-Bench วัด coding agent ด้วยการให้ทำเกมทั้งวงจร — ผลคือ agent สร้างของที่เล่นได้เก่งกว่าหาบั๊กเอง และคะแนนซ่อมพังทันทีเมื่อไม่มีใครบอกว่าบั๊กอยู่ตรงไหน
เปเปอร์ arXiv วันที่ 22 ส.ค. 2026 เสนอ GameXpert-Bench ที่วัด coding agent ตลอดวงจรการทำเกมสามแทร็ก — สร้างใหม่ 97 โจทย์ ซ่อมบั๊ก 100 โจทย์ และปรับปรุงต่อเนื่อง 17 เชนหกรอบ ข้อค้นพบหลักคือช่องว่างระหว่างการเขียนตามสั่งกับการหาข้อบกพร่องเอง โดยตัวชี้วัด Self-Discovery ตกไล่ตั้งแต่ 7.6 จนถึง 32.8 จุดแล้วแต่โมเดล
· อ่าน 6 นาที