★ 3
GenXR-Bench：首个评测编码智能体开发 XR 应用的基准
论文推出 GenXR-Bench，首个端到端评测编码智能体开发交互式 XR 应用的基准，含 112 个专家任务（24 项功能实现、21 项缺陷修复、67 项应用生成）。测试套件对 124 个候选应用与专家盲评一致率达 96.5%。评测 10 个模型，最强配置整体 Pass@1 仅 50.9%，失败…
arXiv cs.AI11 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文推出 GenXR-Bench，首个端到端评测编码智能体开发交互式 XR 应用的基准，含 112 个专家任务（24 项功能实现、21 项缺陷修复、67 项应用生成）。测试套件对 124 个候选应用与专家盲评一致率达 96.5%。评测 10 个模型，最强配置整体 Pass@1 仅 50.9%，失败…