首个交互式XR编码智能体基准GenXR-Bench发布

William Huang等作者提出并发布GenXR-Bench，称其为首个端到端评估编码智能体XR软件开发能力的基准。该基准含112个专家编写任务，覆盖24项功能实现、21个bug修复和67个应用生成任务；其测试套件对124个候选应用的判定与盲审专家一致率达96.5%。 在10个模型上，最强配置的总体Pass@1仅50.9%。失败分析显示，模型反复误解异步传感器生命周期、物理接地和具身交互语义。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。