GenXR-Bench 论文：10 模型横评 XR 开发，最强仅 50.9% Pass@1
rohanpaul_ai · x · 2026-10-27
arXiv 论文《GenXR-Bench: Benchmarking Coding Agents for Interactive XR Development》（William Huang 等 16 人，Google XR Labs、UCLA、CMU 等），首个端到端评测编码 agent 开发 XR 应用的基准。
基准构成
- 112 个专家编写任务：24 个功能实现、21 个 bug 修复、67 个应用生成。
- 测试结合脚本化与自适应交互、程序化与视觉断言；对 124 个消费级 XR 硬件实跑应用做盲测，与专家判断一致率 96.5%。
评测结果
- 10 个模型横评，最强配置整体 Pass@1 仅 50.9%。
- 失败集中在异步传感器生命周期、物理接地（3D 空间定位）与具身交互语义的误解。
XR 应用的运行时健壮性同时依赖用户连续运动、空间输入与环境感知，传统单元测试无法覆盖——该基准为空间计算的 agent 评测提供了可复现测试床。
所属事件:GenXR-Bench 发布：最强模型 XR 开发通过率仅五成(2 条相关)→
「编程与Agent」频道最新
- 不建 3D 模型：用 AI 生成视频拆帧做出可交互 3D 商品展示 — aigclink · 2026-10-27
- 无需3D建模：用LTX-2.5 Pro视频做可交互商品展示 — aigclink · 2026-10-27
- 商品照变可旋转展示完整教程：GPT-6 Astra + AI 视频当 UI 动画 — MaziyarPanahi · 2026-10-27
- 论文：廉价验证器打平前沿 LLM 审 RAG 论断，成本仅 1/187 — rohanpaul_ai · 2026-10-27
- 一句话需求到实物：AI 全流程搞定 3D 建模与 3D 打印咖啡滤纸架 — blixt · 2026-10-27
- 「Agent 听懂了」不是需求：把隐含决策写进 spec 再开工 — shoumikgoswami · 2026-10-27