新基准揭示 AI 编码工具在 XR 开发中频繁失败
原标题：New Google + UCLA + CMU paper finds that AI coding tools often fail to build virtual and mixed reali...
78AI 研判分
Google、UCLA 与 CMU 联合发布 GenXR-Bench，指出主流大模型在构建虚拟现实应用时表现不佳。Claude Opus 5 以 50.9% 的得分领先，但无模型在 SDK 特性任务上超过 29.2%，主要败因是三维空间坐标错误与启动竞态条件。
报道正文
由 Google、UCLA 和 CMU 联合发表的新论文发现，AI 编程工具在构建虚拟现实（VR）和混合现实（MR）应用时经常失败，原因在于它们难以追踪物体在 3D 空间中的位置。
Claude Opus 5 以 50.9% 的成绩领先，但在 SDK 功能任务上，没有任何模型得分超过 29.2%。在失败的运行中，64.4% 出现了坐标系错误，44.9% 涉及启动竞态条件。
XR 应用在 3D 空间中运行，并对头部运动、手部动作和房间感知做出响应。常规编程基准测试使用单元测试或浏览器点击操作，无法验证虚拟按钮是否跟随你的手掌移动。
他们构建了 GenXR-Bench，包含 112 个由专家编写的任务，涵盖 XR 功能开发、Bug 修复以及完整应用构建。其测试模拟了手部和房间环境，并与盲测的 XR 专家在使用真实头显时的判断结果有 96.5% 的一致性。
如果你使用智能体（Agents）来开发 XR 应用，请务必通过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无法捕捉到运行时 Bug。
