GenXR-Bench：面向交互式 XR 开发的 Coding Agent 评测基准

研究人员推出 GenXR-Bench，这是首个用于端到端评估 Coding Agent 在 XR 软件开发能力的评测基准。该基准包含 112 个专家编写的任务，涵盖 24 项功能实现、21 项漏洞修复和 67 项应用生成任务，其测试套件准确率达 96.5%。对 10 个模型的评测显示，最强配置的综合 Pass@1 仅为 50.9%，暴露出模型在异步传感器生命周期和具身交互语义等方面的理解缺陷。