可执行代码验证

GGBench：面向统一多模态模型的几何生成推理基准

GGBench: A Geometric Generative Reasoning Benchmark for Unified Multimodal Models

为视觉研究者提供了一个可确定性验证的生成式几何推理评测框架：每个样本对齐自然语言指令、可执行 GeoGebra 代码与渲染图，可用于检验多模态模型「先推理再作图」的能力，并作为训练/评测几何作图与程序化图形生成的数据来源。