arXiv 发布 3DCodeEdit 基准评测指令引导的 3D 程序编辑
原文标题：3DCodeEdit: Benchmarking Instruction-Guided 3D Program Editing
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 3DCodeEdit 基准，包含 108 个 Blender 程序上的 2592 个指令引导编辑任务，覆盖参数、结构、风格与场景组合改动。17 个模型平均成功率仅 37%，最强模型结构类与风格类编辑完成率不足 60%，失败集中在「几何预见」能力。研究表明独立评审模型的多轮反馈最有效，可让 27B 模型超越 2.8T 参数模型的单次成功率。
- 问题
- 缺乏评测指令引导3D程序编辑的基准，模型难以预见代码改动对几何形状的影响。
- 方法
- 基于108个Blender程序构建2592个编辑任务，按渲染对照人工清单评分，并测试多轮反馈补偿。
- 结果
- 17个模型平均成功率仅37%，最强模型结构/风格编辑不足60%；独立评审模型反馈可让27B模型单次成功率超过2.8T参数模型。
- 影响
- 3D代码编辑的主要瓶颈是几何预见而非代码正确性，多轮渲染反馈是当前最有效的工程手段。
深读 · 结论先行AI 生成展开看要点与影响 ↓
3DCodeEdit基准：17个模型平均成功率仅37%，最强模型结构/风格编辑不足60%
- •基准含108个Blender程序上的2592个指令引导编辑任务，覆盖参数、结构、风格与场景组合改动
- •17个模型平均成功率37%，最强模型在结构类与风格类编辑上完成率均不足60%
- •失败集中于「几何预见」：代码能跑通但构建出错误形状
- •独立评审模型的多轮反馈最有效，效果超过最大推理努力与agent harness
- •借助该反馈，27B模型单次成功率可超越2.8T参数模型
为什么重要：3D代码编辑是实际工作流主流做法，但现有模型能力被高估；该基准指出瓶颈在几何预见而非代码生成，为评测与改进方向提供依据。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。