编码智能体在视觉生成上能走多远？AgentDrawBench 基准测试研究

研究者在 200 条提示词的 AgentDrawBench 基准上测试通用编码智能体的零样本绘图能力，发现其在保持结构和满足精确视觉约束上表现优异，但感知丰富度有限。将代码作为可执行的外部视觉思维语言时，重建的视觉代码在视觉问答任务中保留大量信息，部分领域准确率超过原图。跨工具绘图和独立单像素查询组装的图像呈现相似布局与色调，智能体在移除可见绘图后仍能跨视角维持自生成的房间布局。