深度分析
BlenderRAG:以檢索增強生成(RAG)提升可編譯的 Blender Python 3D 物件產出
自動生成可執行Blender程式仍面臨語法與幾何一致性問題。BlenderRAG以檢索增強生成,在500例多模態範本中擷取語義相近的文字、程式與渲染圖作為提示,引導大型語言模型產出更可靠的3D物件。實驗顯示編譯成功率由40.8%提升至70.0%,語意對齊顯著改善。
深度分析
自動生成可執行Blender程式仍面臨語法與幾何一致性問題。BlenderRAG以檢索增強生成,在500例多模態範本中擷取語義相近的文字、程式與渲染圖作為提示,引導大型語言模型產出更可靠的3D物件。實驗顯示編譯成功率由40.8%提升至70.0%,語意對齊顯著改善。
深度分析
WebChain 針對真實網站互動提供大規模標註資料,收錄 31,725 條軌跡與 318,000 步驟,採用視覺、結構、動作三重對齊。研究者提出 Dual Mid-Training 訓練流程,將空間定位與規劃分離,於 WebChainBench 及多項 GUI 基準測試中獲得最佳成績,為網頁代理人研究奠定新基礎。