arXiv cs.AI· William Huang, David Li, Xiang 'Anthony' Chen, Xun Qian, Nels Numan, Zhongyi Zhou, Hyunsung Cho, Salman Muin Kayser Chishti, Ding Xia, Xincheng Huang, Jiahao Ren, Faraz Faruqi, Tianyu Xu, Yang Zhang, David Kim, Ruofei Du·· 2 小时前AI 评分34
GenXR-Bench：首个评估编程智能体 XR 交互开发的基准
GenXR-Bench: Benchmarking Coding Agents for Interactive XR Development
AI 导读
研究者推出 GenXR-Bench，首个端到端评估编程智能体 XR 应用开发能力的基准，含 112 个专家编写任务（24 项功能实现、21 项 Bug 修复、67 项应用生成）。其测试套件针对 124 个在消费级 XR 硬件上运行的应用，与盲评专家判断的一致性达 96.5%。评测 10 个模型显示，最强配置 Pass@1 仅为 50.9%，失败集中在异步传感器生命周期、物理接地与具身交互语义。
来源：arXiv cs.AI · arxiv.org