يقدم المؤلفون GameEngineBench، وهو معيار مصمم لتقييم وكلاء البرمجة في مهام تنفيذ C++ ضمن نطاق محدد داخل مشاريع Unreal Engine 5. يتكون مجموعة التقييم، المبنية من تسعة مستودعات ألعاب حقيقية، من 110 مهمة تغطي ميكانيكيات اللعب، وسلوك اللاعبين المتعددين، والذكاء الاصطناعي، والرسوم المتحركة، وواجهة المستخدم، وإضافات العرض.
- تتطلب المهام من النماذج إجراء تغييرات C++ أصلية تُجمع (compile) وتلبي اختبارات السلوك داخل مشاريع Unreal Engine القابلة للتنفيذ.
- عبر اثنتي عشرة تكوينًا تم تقييمها، حقق أقوى نموذج معدل نجاح (pass@1) يبلغ 55.5%.
- لا تزال 31 مهمة غير محلولة من قبل جميع التكوينات التي تم اختبارها.
تُظهر النتائج أن وكلاء البرمجة المتقدمة ما زالوا يواجهون صعوبات في تطوير C++ المتكامل بعمق للبرمجيات التفاعلية في الوقت الفعلي، مما يبرز معايير تقييم محركات الألعاب كمكمل قيم لتقييمات هندسة البرمجيات الحالية.