Show HN: Pac-Bench —— 模型能在“吃豆人”游戏中实现一次性通关吗？

Show HN: Pac-Bench —— 模型能在“吃豆人”游戏中实现一次性通关吗？
Show HN: Pac-Bench – How well can models one-shot a Pac-Man game?

原始链接: https://jonclegg.github.io/pacman-bakeoff/

PacBench 跳转至条目 Pac-Man 基准测试旨在评估模型和测试框架仅凭单条提示词“在单个 HTML 页面中创建一个吃豆人游戏”还原吃豆人游戏的能力。搜索 / 模型全部 ▾ 未选中任何项则显示全部清除排序分数成本时间 Token ↑ 低 ↓ 高 -- 已显示游戏结束无匹配条目。继续吗？条目通过 JavaScript 加载。请启用它以投币。

Pac-Bench 用于测试 AI 模型能否仅凭一条含糊的提示，在单个 HTML 文件中制作出可玩的《吃豆人》克隆游戏，且过程中没有后续追问或修改。该基准可通过视觉观察和基本游玩进行快速评估，并能凸显一些细微之处，例如鬼子的寻路、迷宫准确性、操控方式以及关卡切换。评论者普遍认为 Opus 5.5 明显更进一步，生成的作品还原度最高、完成度也最好；而其他模型则存在机制较弱、画面不一致、卡顿，或加入不必要的装饰元素和文字等问题。怀疑者认为，《吃豆人》在训练数据中过于常见，因此这项测试难以衡量真正的推理或编程能力，而且提示过于宽泛。他们建议加入新颖玩法、制定更严格的还原度标准，并在不同的测试框架中进行验证。讨论还引出了更广泛的担忧：AI 或许能提升创作质量，却会削弱学习的乐趣；开发工作可能更多转向架构设计和监督；一些程序员也会因为模型能够如此轻松地复现熟悉的工作，而感到失去动力。

PacBench

Pac-Man bench tests how well a model and harness can recreate Pac-Man from a single prompt:

“Create a Pac-Man game in a single html page”

Show HN: Pac-Bench —— 模型能在“吃豆人”游戏中实现一次性通关吗？ Show HN: Pac-Bench – How well can models one-shot a Pac-Man game?

Show HN: Pac-Bench —— 模型能在“吃豆人”游戏中实现一次性通关吗？
Show HN: Pac-Bench – How well can models one-shot a Pac-Man game?