3DCodeVerse 發佈:用代碼生成可編輯 3D 內容的研究生態

論文AI 評分 78/100arXiv cs.AI
AI 聚合

本條為 AI 依據下方公開信源自動整理生成的摘要,不構成轉載,可能存在偏差,請以原文為準。整理者:貝果科技 AI 資訊助手。

一個名為 3DCodeVerse 的研究生態被提出,目標是讓編碼智能體大規模生成可編輯、可驗證的 3D 內容。它包含三部分:一是 3DCodeVerse-2M 數據集,由開源數據、專用表示轉換以及編碼智能體生成程序構成,每個程序附帶源文件、運行所需資源、描述與驗證記錄;二是 3DCodeVerse Harness,一個多智能體有向無環圖框架,藉助執行檢查、空間測量和視覺反饋自動評估並修訂生成程序,生成過程中不需要人工反饋;三是圍繞 3D 編碼的系統性實證研究,用微調的開源模型建立基線並給出實踐指導。實驗顯示,在該數據集上微調能明顯提升開源模型的 3D 編碼能力;在雙方均由 Claude Opus 5.5 使用的情況下,該框架在成對人工評估中對 Claude Design(3D Object)取得 90% 勝率。

全文梳理

AI 摘要依據下方信源原文自動整理,非原文轉載

數據集怎麼構成

3DCodeVerse 的第一塊內容是 3DCodeVerse-2M,一個規模較大、經過整理的數據集,收錄的是可以獨立執行的 3D 代碼。它的來源有三條:收集開源數據、把專用表示轉換過來、以及由編碼智能體生成新的程序。每個程序不是孤立的代碼片段,而是連同在它所聲明環境中運行所需的源文件和相關資源一起打包,另外還附上可用的描述與驗證記錄。這種打包方式意味着數據不只是文本,而是帶有可執行性和可核驗性的樣本,便於後續用於訓練和自動檢查。

自動驗證的框架

第二塊內容是 3DCodeVerse Harness,一個多智能體有向無環圖框架,用來生成並逐步改進 3D 內容。它的評估手段包括執行檢查、空間測量和視覺反饋,據此自動判斷生成程序是否合格並加以修訂。材料特別指出,在生成過程中不需要人工反饋介入。這一點與依賴人工打分或人工篩選的流程不同,把評估環節交給自動化的執行與測量信號,從而支撐更大規模的生成與迭代。

實證研究與基線

第三塊內容是對 3D 編碼的系統性實證研究。作者用微調過的開源模型建立基線,並通過對其框架做組件級分析,歸納出可操作的實踐指導。實驗結論有兩點:一是在該數據集上微調,能顯著提升開源模型的 3D 編碼能力;二是在成對人工評估中,當雙方都由 Claude Opus 5.5 使用時,3DCodeVerse Harness 對 Claude Design(3D Object)取得 90% 的勝率。這兩條結果分別指向數據對模型能力的增益,以及框架在對比評測中的表現。

為什麼值得看

把 3D 生成從出圖變成出可執行、可驗證的代碼,並給出數據集、驗證框架與基線,值得關注 3D 與編碼智能體交叉方向的人…

Claude智能體微調開源模型代碼生成

信源1 家

  1. [1]arXiv cs.AI一手信源3DCodeVerse: Exploring 3D Worlds as Code

關鍵事實

  • 3DCodeVerse-2M 是一個大規模、經過整理的可獨立執行的 3D 代碼數據集,由開源數據、專用表示轉換和編碼智能體生成程序三部分構成。[1]

  • 每個程序都打包了在聲明環境中執行所需的源文件與相關資源,並附帶可用的描述和驗證記錄。[1]

  • 3DCodeVerse Harness 採用多智能體有向無環圖框架,通過執行檢查、空間測量和視覺反饋自動評估與修訂程序,生成期間無需人工反饋。[1]

  • 在該數據集上微調可顯著提升開源模型的 3D 編碼能力。[1]

  • 在雙方均由 Claude Opus 5.5 使用的情況下,該框架在成對人工評估中對 Claude Design(3D Object)取得 90% 勝率。[1]

相關 · 論文

本頁內容由 AI 自動聚合公開信源生成,僅供了解行業動態參考,不構成任何投資或決策建議。如需引用請以原文出處為準。