日常的扩展现实（XR）系统希望在合适的时间、地点提供恰当的功能，并在用户切换情境时尽量减少手动配置。然而，这类界面的评估十分困难：现有的原型设计和用户研究流程缺乏系统化、可重复的手段来比较不同的适配方法。为此我们提出 ContextXR，一个用于情境感知 XR 界面的基准框架。ContextXR 将 XR 应用抽象为功能面（facet）的有向连通图，每个功能面是一组语义上相干的能力，能够共同实现用户的某一意图。基于此表示，我们构建了 MineXR++ 数据集，在已有的 XR 界面数据上添加了面级标注，并定义了三类典型的情境感知建议任务：情境因素分析、初始功能面建议以及后续功能面建议。评估协议采用模拟交互指标——到达目标功能所需的导航与搜索成本——对建议方法进行打分。实验中，我们分别对全局流行度、关系检索和基于大语言模型（LLM）的三类方法进行基准测试，结果表明 ContextXR 能够实现情境感知 XR 界面的系统化、可复现评估。
点评