3D 게임으로 LLM 평가하는 'WorldBuild Bench' 공개: 8개 모델이 만든 24개 플레이 가능 게임 비교

요약

AI 모델의 공간적·시간적·인과적 일관성을 평가하기 위해 3D 게임 환경을 활용한 새로운 벤치마크 'WorldBuild Bench'가 등장했다. 개발자는 모델이 가상 세계의 위치와 변화, 사건의 인과관계를 얼마나 잘 이해하는지 측정하기 위해 세 가지 게임 유형(아레나 전투, 물리 퍼즐, 레이싱)을 제작하도록 했다. 이번 테스트에는 GLM 5.2, Grok 4.5를 비롯해 OpenAI와 Anthropic의 최신 모델 등 총 8개 모델이 참여하여 24개의 브라우저 실행 가능한 3D 게임을 생성했다. 기존의 정적 벤치마크 방식과 달리, 실제 게임 개발 환경에서 모델의 논리적 수행 능력을 실시간으로 검증할 수 있다는 점이 특징이다. 향후 더 많은 모델을 추가하여 '월드 모델'로서의 성능을 더욱 구체적으로 평가할 계획이다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.