★ 3
arXiv 发布 3DCodeEdit 基准评测指令引导的 3D 程序编辑
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…
arXiv NLP3 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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…
论文提出在 LLM 智能体执行动作前进行低成本确定性检查，以捕获静默失败。针对 shell 命令，静态验证器在 9930 条命令上以 10% 误报率捕获 95.8% 无效命令；针对代码编辑，位置锚定格式（如行号）在单行偏移下会损坏 99.1% 文件。采用「不确定即拒绝」策略可将静默失败转为可恢复失…