论文页面 - BlenderWorld：面向真实世界参考的 3D 创作视觉智能体基准测试

来源：https://huggingface.co/papers/2610.23986 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

BlenderWorld 是一个基准测试，用于在真实 3D 创作任务上评估多模态语言模型，采用渲染输出和二元评分标准，揭示了模型在空间一致性方面的显著差距。

多模态大语言模型（https://huggingface.co/papers?q=multimodal%20large%20language%20models）（MLLMs）的最新进展使其能够作为自主智能体（https://huggingface.co/papers?q=autonomous%20agents），通过代码或直接操作软件来创建和编辑 3D 模型。在实际工作流程中，这些模型必须从多样化的参考信息中推断物体形状、材质、空间布局和光照，并严格遵循指令来重建、修改或设计 3D 内容。然而，现有基准测试在真实场景中对此类开放式请求的覆盖有限。为弥补这一差距，我们提出了 BlenderWorld（https://huggingface.co/papers?q=BlenderWorld），这是首个专门用于评估前沿模型在真实 3D 创作（https://huggingface.co/papers?q=3D%20creation）任务上表现的综合性基准。BlenderWorld（https://huggingface.co/papers?q=BlenderWorld）包含 223 个任务，涵盖建筑、产品、自然环境和科学可视化等领域，由文本、图像、视频和结构化规格输入驱动。为了严格评估这些复杂的交付成果，我们建立了统一的评估协议：从多个视角渲染提交的 Blender 项目，并根据 2,651 条针对特定任务的二元评分标准（https://huggingface.co/papers?q=binary%20rubrics）以及整体视觉质量评分（https://huggingface.co/papers?q=visual%20quality%20scores）进行评估。对十三个前沿模型的基准测试显示，GPT-6-Astra 以 79.9 的综合得分位居第一，其次是 Opus-5（73.0）和 GPT-5.6-Sol（67.7）。最终，我们的发现揭示了一个关键瓶颈：虽然当前模型能够解析大体指令，但在 Blender 中的细粒度 3D 空间一致性和精确结构复现方面仍然严重不足，为未来 3D 原生智能体研究（https://huggingface.co/papers?q=3D-native%20agentics）留下了巨大空间。

查看 arXiv 页面 (https://arxiv.org/abs/2610.23986) 查看 PDF (https://arxiv.org/pdf/2610.23986) 项目页面 (https://blenderworld.github.io/) GitHub156 (https://github.com/QwenLM/BlenderWorld) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2610.23986)

在你的智能体中获取此论文：

hf papers read 2610.23986

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型 0

没有模型关联此论文

在模型 README.md 中引用 arxiv.org/abs/2610.23986 即可从此页面链接。

引用此论文的数据集 0

没有数据集关联此论文

在数据集 README.md 中引用 arxiv.org/abs/2610.23986 即可从此页面链接。

引用此论文的 Spaces 0

没有 Space 关联此论文

在 Space README.md 中引用 arxiv.org/abs/2610.23986 即可从此页面链接。

包含此论文的合集 0

没有合集包含此论文

将此论文添加到合集 (https://huggingface.co/new-collection) 以从此页面链接。