Google、UCLA 与 CMU 发布 GenXR-Bench：编码智能体开发 XR 应用常因丢失 3D 空间定位而失败
Google、UCLA 与 CMU 发布 GenXR-Bench，用 112 个专家编写任务评测编码智能体开发 XR 应用的能力，其模拟手部与房间输入的测试与真实头显上盲测专家判断吻合 96.5%。Claude Opus 5 以 50.9% 领先，但在 SDK 功能任务上无模型超过 29.2%；失败运行中 64.4% 出现坐标系错误，44.9% 出现启动竞态条件。
Rohan Paul· @rohanpaul_ai · X·2026-10-27 17:21· 38 分钟前AI 评分51
AI 导读
Google、UCLA 和 CMU 的论文推出 GenXR-Bench，用 112 个专家编写任务评测编码智能体开发 XR 应用的能力，测试结合模拟手部与房间输入，与真实头显上的盲测专家判断吻合 96.5%。
正文 · 原文
Google、UCLA 和 CMU 的新论文发现，AI 编码工具常常无法构建虚拟和混合现实应用，因为它们会丢失物体在 3D 空间中的位置。
Claude Opus 5 以 50.9% 领先，而在 SDK 功能任务上，没有模型超过 29.2%。64.4% 的失败运行中出现坐标系错误，44.9% 出现启动竞态条件。
XR 应用运行在 3D 空间中，并对头部运动、手部和房间感知做出反应。普通编码基准使用单元测试或浏览器点击，无法检查虚拟按钮是否会跟随你的手掌。
他们构建了 GenXR-Bench，包含 112 个专家编写的任务，涵盖 XR 功能开发、缺陷修复和完整应用构建。其测试模拟手部和房间，与使用真实头显的盲测 XR 专家判断在 96.5% 的情况下一致。
如果你用智能体开发 XR 应用，请用模拟手部和房间输入来测试结果，因为智能体编写的单元测试常常漏掉运行时缺陷。
来源：Rohan Paul · x.com
来源：RadarAI · aihot.news