BrickBench：评估智能体驱动的乐高套装设计

Hugging Face 提出 BrickBench，用于评估智能体在文本条件下设计乐高套装的能力。该基准要求智能体从离散零件库中选择部件，并同时推理局部与全局约束，评估其设计的物理可构建性、语义对齐度和设计质量。研究发现，主流智能体在可验证的物理和语义要求上表现良好，但在设计复杂度上仍不及人类水平。