模型能感知调整3D物体位姿吗?首个交互式投影对齐空间推理基准
模型能感知调整3D物体位姿吗?首个交互式投影对齐空间推理基准认出一个物体之后,换个角度还能认出来,进一步想象它转动后的样子,这些都涉及空间感知。人类需要在头脑中表示物体的形状与方向,理解不同视角之间的关系,并从二维投影中推断三维几何。
搜索
认出一个物体之后,换个角度还能认出来,进一步想象它转动后的样子,这些都涉及空间感知。人类需要在头脑中表示物体的形状与方向,理解不同视角之间的关系,并从二维投影中推断三维几何。
Hy4也正为递归自我改进(RSI)做准备。
商汤发布多模态智能体模型SenseNova 6.8 Flash,实测其用8分21秒读完582页招股书并生成可交互看板,制作8页PPT却耗时64分钟,同时支持动态海报、Agentic 3D设计与Figma工作流。
2026年8月,OpenAI联合创始人兼总裁Greg Brockman使用X,转发了一件主题为“人体器官教学”的3D交互网页作品。
9 月以来,全球顶尖大模型几乎都在秀 3D。
过去几年,神经网络接连改写了一个又一个领域:图像生成有了 Stable Diffusion,视频生成已经能做到以假乱真,就连 3D 渲染也出现了 RenderFormer 这样的纯神经网络方法。但在高保真物理仿真上,神经网络始终没能交出令人满意的答卷,游戏、动画和机器人领域至今仍依赖需要手动调参、难以求梯度的传统求解器。
国内大语言模型炒作的重点已经聚焦于3D生成领域,凡更新必展示结合Three.js炮制的4A大作。
DeepSeek Harness官方发布“创造模式”(Creator Mode)指南,用户输入一句自然语言即可让AI编写并安装插件,同时免费公开7套官方提示词,示例覆盖3D建模与游戏、视频剪辑、海报设计、论文阅读、界面改造和Token统计。
Anthropic 官网源码曝光 Claude Mythos 5.5,开发者还展示疑似 Claude Fable 5.5 生成的 3D 与交互作品;OpenAI 的 GPT-6.2 Astra 也现身 Codex 统计和 API 记录,但两家公司均未正式官宣。
ScienceVision基于真实三维数据构建250道跨学科科学3D评测题,GPT-6-Astra搭配Codex最高仅得0.53分,12个前沿模型均未在五科同时领先,显示AI科学三维观察与推理能力仍有限。