aDSL: 通过联合代理-程序设计的智能代理式3D创建

Hugging Face Daily Papers 论文

摘要

本文介绍了aDSL,一种协同设计的领域特定语言和多代理系统,通过关系运算符和迭代反馈改进大语言模型驱动的3D程序合成,增强3D内容创建的鲁棒性和可控性。

编程表示为3D内容创建提供了一个引人注目的范式,实现了细粒度编辑、可解释性和显式结构控制。然而,依赖大语言模型(LLMs)来编写3D程序的代理工作流仍然脆弱,常常无法将高层意图转化为一致的底层几何。我们将这种脆弱性归因于现有编程接口与LLMs推理优势之间的不匹配,LLMs更倾向于语义结构和空间关系,而非脆弱的数值选择。在本文中,我们共同设计了一种以代理为中心的领域特定语言(aDSL)和一个角色专门化的多代理系统来缩小这一差距。aDSL通过强调可组合性和空间推理来桥接语义逻辑和几何约束;它使代理能够通过关系运算符而不是脆弱的绝对坐标来操作几何。基于aDSL,我们的无训练多代理系统遵循Plan-Execute-Critic循环,分解请求、合成代码,并使用执行反馈迭代修复错误和约束违规。实验表明,这种协同设计提高了鲁棒性、可控性和对用户意图的忠实度。我们的方法在文本到形状和图像到形状任务中优于先前的基于LLM的基线方法,同时保持了显式结构、可编辑性和可解释性。它还支持下游应用,如铰接对象创建和结构化场景组合。我们的代码可在 https://github.com/sig-pku/aDSL 获取。
查看原文
查看缓存全文

缓存时间: 2026/08/19 03:58

论文页面 - aDSL:通过联合代理与程序设计实现智能体驱动的3D创作

来源:https://huggingface.co/papers/2608.17975

摘要

协同设计的领域特定语言与多智能体系统,通过关系运算符和迭代执行反馈,提升了大语言模型驱动的3D程序合成能力。

程序化表示为3D内容创作提供了极具吸引力的范式,能够实现精细编辑、可解释性以及明确的结构控制。然而,依赖大语言模型(LLMs)编写3D程序的工作流程依然脆弱,常难以将高层意图转化为一致的底层几何结构。我们将这种脆弱性归因于现有程序接口与LLM推理优势之间的错配——LLMs更擅长处理语义结构与空间关系,而非脆弱的数值选择。本文协同设计了以智能体为中心的领域特定语言aDSL与角色专用的多智能体系统,以弥合这一差距。aDSL通过强调可组合性与空间推理,连接了语义逻辑与几何约束;它使智能体能够通过关系运算符而非脆弱的绝对坐标来操纵几何体。基于aDSL,我们的免训练多智能体系统遵循规划-执行-评估循环,分解请求、合成代码,并利用执行反馈迭代修复错误与约束违反。实验表明,这种协同设计提升了鲁棒性、可控性以及对用户意图的忠实度。本方法在文本生成形状与图像生成形状任务上超越了现有的基于LLM的基线方法,同时保留了明确的结构、可编辑性与可解释性。它还支持关节物体创建和结构化场景合成等下游应用。我们的代码已开源:https://github.com/sig-pku/aDSL

查看 arXiv 页面 (https://arxiv.org/abs/2608.17975) 查看 PDF (https://arxiv.org/pdf/2608.17975) 添加至收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2608.17975)

通过智能体获取本文:
hf papers read 2608.17975
尚未安装最新CLI?curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型 0

无模型链接本文
在模型 README.md 中引用 arxiv.org/abs/2608.17975 即可从本页面建立链接。

引用本文的数据集 0

无数据集链接本文
在数据集 README.md 中引用 arxiv.org/abs/2608.17975 即可从本页面建立链接。

引用本文的交互空间 0

无交互空间链接本文
在交互空间 README.md 中引用 arxiv.org/abs/2608.17975 即可从本页面建立链接。

包含本文的收藏集 0

无收藏集包含本文
将本文添加至收藏集即可从本页面建立链接。

相似文章

DALM:一种通过三阶段结构化生成的领域代数语言模型

arXiv cs.CL

DALM提出了一种领域代数语言模型,在由领域格导出的精确结构约束下生成文本,通过将知识组织到具有代数保证的独立领域纤维中来解决幻觉问题。该模型使用三阶段结构化去噪(领域→关系→概念),并使用领域标注的训练数据防止跨领域污染。

Procedura: 代理式三维建模与程序化控制

Hugging Face Daily Papers

Procedura 引入了一个新颖的三维建模代理,它使用 LLMs 从文本提示创建可编辑的、部件结构化的组件,在质量和可编辑性方面优于现有方法。

改进神经 PDE 求解器自动设计:引入领域特定语言

arXiv cs.AI

本文介绍了 ADSL-PDE,一种领域特定语言,为神经 PDE 求解器的自动设计提供结构化搜索空间,通过抽象底层实现细节来提高搜索效率和优化稳定性。基于该表示构建的进化代理在 PDE 基准测试的前十次迭代中实现了超过 52% 的性能提升。

领域驱动智能体

Hacker News Top

本文探讨了在遗留代码库中使用LLMs时因领域混淆所面临的挑战,并提出领域驱动智能体作为一种方式,通过强调战略性而非战术性的编码决策来为更好的AI集成准备代码。