PPTBench 揭短：AI 生成的幻灯片 97% 能打开，仅 2.57% 无缺陷
JaynitMakwana · x · 2026-09-29
Einsia 发布 PPTBench，通过科学图表幻灯片重建任务评测智能体的「视觉编码」能力：500 个任务、36 种配置、共 18000 次重建。
结果暴露了当前编码 agent 的短板：
- 超过 97% 的运行能生成合法的幻灯片文件；
- 但 64.03% 未通过基础语义检查；
- 完全无缺陷的仅 2.57%；
- 人工视觉检查与成功与否的相关性达 r = 0.88。
核心结论：写出生成幻灯片的代码容易，重建出正确的图表逻辑才是难点；如果 agent 不能「看」并检查自己渲染的结果，等于盲飞。agent 会话可在 AgentGit 上查看。
「编程与Agent」频道最新
- YC 总裁 Garry Tan 力挺智能浏览器:Agent 密码管理是关键基建 — garrytan · 2026-09-29
- 开源代码评审 Agent 用 Hindsight 记住团队历史评审决定 — aryanplayz630 · 2026-09-29
- 会议准备 Agent 架构：SQLite 管状态，Hindsight 管长期记忆 — Datrika_Nandhini · 2026-09-29
- Chestnut 发布 18 自由度 Aero Hand 与配套外骨骼，人手数据采集零本体差距 — chris_j_paxton · 2026-09-29
- RubyLLM 月下载破 110 万,累计达 1300 万次 — kieranklaassen · 2026-09-29
- 用 Hindsight 把事故复盘变成可检索的排障记忆库 — nagakeerthan · 2026-09-29