BrickBench: Đánh giá thiết kế gạch theo hướng agent

BrickBench là benchmark cho việc thiết kế bộ LEGO theo văn bản bằng agent. Với một câu lệnh, agent phải tạo ra bản lắp ráp không chỉ đáp ứng các tiêu chí ngữ nghĩa và thiết kế mà còn có thể lắp ráp được trong thực tế, bằng cách chọn các bộ phận từ một thư viện rời rạc và suy luận về việc lắp ghép.