GenXR-Bench

新的基准评估人工智能编码代理在交互式XR开发中的能力

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。