Rohan Paul

Google + UCLA + CMU 的新论文发现，AI 编码工具通常无法构建虚拟和混合现实应用程序，因为它们无法跟踪事物在 3D 空间中的位置。 在 SDK 功能任务上，Claude Opus 5 以 50.9% 的成绩领先，没有任何模型超过 29.2%。 64.4% 的失败运行中出现坐标系错误，44.9% 的失败运行中出现启动竞争条件。 XR 应用程序在 3D 空间中运行，并对头部运动、手部和房间感应做出反应。正常的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跟随您的手掌。 他们构建了 GenXR-Bench，这是 112 个专家编写的任务，涵盖 XR 功能工作、错误修复和完整的应用程序构建。其测试模拟手和房间，并在 96.5% 的时间内使用真实耳机与盲人 XR 专家进行匹配。 如果您将代理用于 XR 应用程序，请使用模拟的手和房间输入来测试结果，因为代理编写的单元测试通常会错过运行时错误。