Maryland Üniversitesi ve AWS araştırmacıları, kodlama ajanlarının tek bir fotoğraftan Blender için kod yazarak ve adım adım iyileştirerek düzenlenebilir 3B sahneler oluşturduğu LEGO-Anything projesini tanıttı. Performansı ölçmek için ekip, otomatik puanlama için tam bir gerçek değer sağlayan simülatör sahnelerinden 208 görüntü içeren bir kıyaslama seti olan LEGO-Bench'i geliştirdi. Altı GPT yapılandırması test edildiğinde, tüm modellerin çalışabilir sahne çıktıları sağladığı görülse de doğrulukları büyük ölçüde değişiklik gösterdi; en iyi model iç mekan sahnelerinde %53,4, dış mekan sahnelerinde ise %39,6 puan aldı. Analiz, modellerin güvenilmez öz-değerlendirme ile zorlandığını ve genellikle geometrik revizyonlarının sahneyi gerçekten iyileştirip iyileştirmediğini doğru bir şekilde yargılayamadığını gösterdi. Bunu düzeltmek için araştırmacılar, öz-yargıyı somut ölçümlerle değiştirerek model doğruluğunu, özellikle daha zayıf ajanlar için artıran LEGO-Plugin adlı bir uzantı geliştirdi. Neden Önemli: Bu araştırma, uzamsal görevlerde yapay zekanın öz-değerlendirme sınırlamalarını vurguluyor ve otomatik 3B sahne yeniden oluşturmayı daha güvenilir hâle getirecek bir çerçeve sunuyor.