Google、UCLA 与 CMU 研究发现 AI 编程工具难以完成 XR 应用任务

谷歌、UCLA 和 CMU 的一篇新论文发现，AI 编程工具在构建虚拟现实和混合现实应用时经常失败，因为它们无法准确把握物体在 3D 空间中的位置。

Claude Opus 5 以 50.9% 的成绩领先，而在 SDK 功能任务中，没有模型的成绩超过 29.2%。在失败的运行中，64.4% 出现了坐标系错误，44.9% 出现了启动阶段的竞态条件。

XR 应用在 3D 空间中运行，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，无法检查虚拟按钮是否会跟随你的手掌移动。

他们构建了 GenXR-Bench，其中包含 112 项由专家编写的任务，涵盖 XR 功能开发、错误修复和完整应用构建。其测试模拟手部动作和房间环境，所得结果在 96.5% 的情况下与使用真实头显、且不知道测试结果的 XR 专家判断一致。

如果你使用智能体开发 XR 应用，应通过模拟手部和房间输入来测试结果，因为智能体编写的单元测试常常漏掉运行时错误。