研究人员推出了GenXR-Bench,一个旨在评估编码代理在开发交互式扩展现实(XR)应用程序方面能力的新型基准。该基准包含112个任务,涵盖功能实现、错误修复和应用程序生成,其测试套件在专家判断方面达到了96.5%的准确率。对10个模型在GenXR-Bench上的初步评估显示,即使是最强的配置,Pass@1也仅达到50.9%,这凸显了在空间计算中传感器生命周期、物理基础和具身交互语义方面常见的误解。 AI
影响 该基准可以加速复杂空间计算任务的人工智能代理的开发和评估。
排序理由 该集群包含两篇详细介绍新研究贡献的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →