CLARE 問世：AI 代理用「主動澄清」終結 3D 模型生成的模糊指令困境

現代 3D 創作正面臨一個根本性的不對稱：頂尖的 3D 工具鏈要求精確、可執行的參數，但一般使用者往往只給出模糊、不夠具體的指示。目前的 3D 代理把這種模糊當成雜訊，預設在單輪互動下盲目執行。

CLARE：從模糊到精確的對話橋樑

為了解決這個限制，研究團隊發表了 CLARE，一個具備澄清意識的演化式 3D 代理。CLARE 不把意圖不對稱視為執行錯誤，反而將其當作策略性對話的機會。它將生成流程拆解為四個專門的認知角色，在呼叫運算成本高昂的 3D 工具之前，先攔截並釐清不夠明確的指令，從而無縫執行文字轉 3D、單視角重建、多視角重建、點雲編輯與後處理等五大領域任務。

自我演化的澄清策略

關鍵在於，CLARE 不依賴僵固的人工規則，而是透過模擬多輪互動，自我演化其澄清政策。透過最佳化一個多輪獎勵函數，代理在互動效率與任務完成度之間學會了精妙的平衡。為了嚴格測試，團隊建構了 3D-Clarify 基準，包含 620 個互動場景，系統性地注入模糊、遺漏資訊與錯誤細節。

效能表現與影響

實驗結果顯示，CLARE 達到當前最佳效能：在單步驟任務上成功率為 60.40%，多步驟任務則為 43.34%，表現是既有基準的兩倍以上。定量與定性結果均指出，主動澄清是實現穩健 3D 執行的關鍵環節。相關程式碼已公開於 GitHub。

延伸閱讀

• SPEED-Bench 評測框架：在生產級引擎上衡量 Speculative Decoding 吞吐與延遲
• 拜占庭協議與故障嫌疑預測器：一致性與健壯性極限
• CRDTMergeState：以 OR-Set 與典範排序實現可證明的去中心化模型合併

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。