Google、UCLA 与 CMU 联合发布 GenXR-Bench，评测 AI 编码工具构建 XR 应用的能力

Google、UCLA 和 CMU 的一项新论文发现，AI 编程工具经常无法构建虚拟现实和混合现实应用，因为它们会丢失物体在 3D 空间中的位置关系。

Claude Opus 5 以 50.9% 的成绩领先，而在 SDK 功能任务上，没有任何模型的成绩超过 29.2%。在失败的运行中，64.4% 出现了坐标系错误，44.9% 出现了启动竞态条件。

XR 应用运行在 3D 空间中，并会对头部运动、手部动作和房间感知作出反应。常规编程基准测试使用单元测试或浏览器点击，但这些方法无法检验虚拟按钮是否会跟随你的手掌。

他们构建了 GenXR-Bench，其中包含 112 个由专家编写的任务，覆盖 XR 功能开发、错误修复和完整应用构建。其测试可模拟手部和房间环境，与使用真实头显的盲测 XR 专家所得结果的一致率达到 96.5%。

如果你使用智能体开发 XR 应用，请使用模拟的手部和房间输入来测试结果，因为智能体编写的单元测试往往会遗漏运行时错误。