في عالم البرمجة المتسارع، تكتسب وكالات البرمجة (Coding Agents) أهمية كبيرة كمطورين لتطبيقات البرمجيات. لكن، كيف يمكن قياس كفاءتها بشكل دقيق عند تحويل الأفكار إلى تطبيقات قابلة للاستخدام؟ هنا يأتي دور WebGameBench، المعيار الثوري الذي يقيّم أداء هذه الوكالات من خلال ألعاب الويب.

يهدف WebGameBench إلى تحليل قدرة الوكالات البرمجية على تحويل مواصفات ألعاب الويب المحددة إلى ألعاب متاحة عبر المتصفح. تتميز الألعاب المستخدمة في هذا المعيار بأنها تتطلب تنسيقًا عاليًا في التعامل مع المدخلات، والتخطيط المكاني، وتنفيذ القواعد، وما إلى ذلك.

تحتوي كل لعبة تم إنشاؤها باستخدام WebGameBench على بروتوكول نشر موحد، مما يتيح لمقيم التشغيل التفاعل مع اللعبة في متصفح حقيقي وتقييمها بناءً على ثلاث درجات: ممتاز (EXCELLENT)، قابل للاستخدام (USABLE)، وغير قابل للاستخدام (UNUSABLE).

للاطلاع على دقة التقييم، تم إجراء مراجعات بشرية على مجموعة فرعية من الألعاب، حيث أظهرت النتائج توافقًا عريضًا مع معايير تقييم اللعب.

من خلال اختبار 111 مهمة و12 وكالة برمجية و14 تكوينًا تقييمًا، استطاع WebGameBench التمييز بين الأنظمة الحالية، حيث وصلت أفضل تكوين إلى معدل قابلية استخدام بلغ 76.9% ولكن بنسبة ممتازة تقدر بـ 20.2%. تبين هذه الفجوة أن الوصول إلى الحد الأدنى من قابلية اللعب لا يزال بعيدًا عن تحقيق جميع المتطلبات.

بهذا، يمثل WebGameBench المعيار الأول من نوعه الذي يقيّم تسليم الألعاب عبر المتصفح ويُحقق أقصى استفادة من مراجعة تجريبية مستقلة لتعزيز الجودة في عالم الذكاء الاصطناعي.