论文解读

[2026-09-18] GameASG-Bench: Benchmarking Autonomous Software Generation for Game Development

47 个浏览器游戏怎样验收：谁写测试、编码模型系统看见哪些材料、真实拖拽如何判失败，以及为什么运行检查平均通过率 93.2% 只对应 26/47 个完整成功任务。