AI 搜索

带引用 · 可溯源

先用站内已采集内容作答；站内不足时联网检索，每条结论都给出来源链接

大家都在搜：vLLM12 AbridgeKV 在 vLLM 中的实现改动涉及哪些模块？10 agent10 alignment10 fine-tuning10 multi-agent10 post-training10 pretraining10

AI 答案

资料有限基于 6 条来源 · 引用可点击溯源

现有资料不足以回答「验证记录能否作为审计证据使用」这一合规/法律层面的问题——6 条资料均未涉及审计、证据效力、可追溯性存档或合规标准。资料中能确认的只是「验证机制本身存在且有效」，可作为讨论前提，但不能推出证据资格。 资料能确认的部分：

3DCodeVerse 构建了多智能体 DAG 生成与验证框架，通过执行检查、空间测量和视觉反馈自动评估并修正程序1。这说明验证过程是可执行、可复现的自动化检查，而非纯人工判断。
该生态包含 200 万条可执行 3D 代码数据集1，意味着验证对象（代码）与验证动作在同一体系内闭环。
3DVerifierBench 覆盖 10 项任务，专门评估多模态模型对 3D 内容的验证与拒绝解释能力，并构建了含 14,126 条矛盾解释的训练数据管线6。其中「拒绝解释」与「矛盾解释」说明验证输出包含可读的判定理由，这是证据可用性的一个潜在要素。
验证反馈的效果被量化：候选选择成功率从 26.7% 提升至 90.0%6；但同一资料指出最强模型 GPT-6 Astra 与人类仍有 21.6 个百分点差距6，即自动验证结论并非总是与人类判断一致。

因此，若要把验证记录当审计证据，资料提示的风险点是：

验证者本身是模型，且与人类判断存在 21.6 个百分点的差距6，记录反映的是模型判定而非权威结论；
资料只描述验证「有效提升成功率」1 6，未描述记录如何存储、签名、防篡改或长期留存；
其余资料（GeoState2、MELON3、Spark-04、SUPRA-TEX5）与验证记录的证据属性无关。

结论：现有资料不足以回答该问题；仅能确认 3D 代码验证已具备自动化执行检查与可解释反馈机制1 6，其证据资格需另行依据审计与合规规范判断，资料中无相关依据。

继续追问

3DVerifierBench 中「拒绝解释」能力具体如何评测，评测协议是否可复现？3DCodeVerse 的验证框架中，执行检查与空间测量的判定结果以什么形式输出和保存？验证反馈把成功率从 26.7% 提升到 90.0% 的实验设置是什么，是否包含人工复核环节？

参考来源

6 条

1站内3DCodeVerse 让编码智能体生成可验证3D代码3DCodeVerse 是一个面向编码智能体的3D内容生成生态，包含200万条可执行3D代码数据集、多智能体DAG生成与验证框架，以及3D编码实践指南。它通过执行检查、空间测量和视觉反馈自动评估修正程序，微调后开源模型3D编码能力显著提升，其框架在人类评测中对Claude Design取得90%胜率。Hugging Face Papershttps://huggingface.co/papers/2610.22341 2站内GeoState 解耦视角的3D世界建模几何状态GeoState 提出视角解耦的几何表示，将场景状态演化与相机观测分离：场景分词器把多视角几何基础模型特征聚合为解耦场景状态，几何解码器按相机射线查询，自回归世界模型预测未来状态并单独建模相机运动。在 Waymo 上超越既有 3D 世界模型，支持跨视角一致查询并零样本泛化到 KITTI 和 nuScenes。Hugging Face Papershttps://huggingface.co/papers/2610.22343 3站内MELON: Reconstructing 3D objects from images with unknown posesGoogle Research 提出 MELON，一种无需相机位姿估计、预训练或复杂训练流程的 NeRF 方法，可从 4-6 张无位姿图像中同时推断物体中心相机位姿并重建 3D 物体，解决了位姿与重建互为前提的"鸡生蛋"难题及伪对称导致的局部最优问题。Google AI Bloghttp://blog.research.google/2024/03/melon-reconstructing-3d-objects-from.html 4站内Spark-0 用触觉预训练提升机器人灵巧操作Spark-0 是空间对齐的视觉-触觉-语言-动作模型，预训练时用触觉手套接触图与 3D 几何教师监督视觉 token，推理时可去掉；同时发布 1000 小时 HumanTouch 数据集与 SparkArena 基准。保留触觉监督使纯视觉成功率从 52.5% 升至 71.7%，说明触觉可作为可扩展的预训练监督信号。Hugging Face Papershttps://huggingface.co/papers/2610.22342 5站内SUPRA-TEX 单图生成超对齐3D纹理SUPRA-TEX 提出解耦可见材质估计、表面对齐与观测引导补全的单图3D生成方法，用MLLM编辑模型预测PBR贴图并投影为原生观测潜变量，再由交错流Transformer补全未观测区域，实现所见即所得的高保真纹理，仅用公开数据即达SOTA。Hugging Face Papershttps://huggingface.co/papers/2610.22352 6站内将生成式验证落地到三维内容论文提出3DVerifierBench基准，覆盖10项任务，评估多模态模型对3D内容的验证与拒绝解释能力，发现最强模型GPT-6 Astra与人类仍有21.6个百分点差距；并构建含14,126条矛盾解释的训练数据管线，验证反馈可将候选选择成功率从26.7%提升至90.0%。Hugging Face Papershttps://huggingface.co/papers/2610.22360

AI 答案正在检索与综合…

站内相关条目

6 条 · 点击可看原文全文与中文译文

返回信息流

3DCodeVerse 让编码智能体生成可验证3D代码

3DCodeVerse 是一个面向编码智能体的3D内容生成生态，包含200万条可执行3D代码数据集、多智能体DAG生成与验证框架，以及3D编码实践指南。它通过执行检查、空间测量和视觉反馈自动评估修正程序，微调后开源模型3D编码能力显著提升，其框架在人类评测中对Claude Design取得90%胜率。

Agent·Hugging Face Papers·5 天前

#agent

行业

GeoState 解耦视角的3D世界建模几何状态

GeoState 提出视角解耦的几何表示，将场景状态演化与相机观测分离：场景分词器把多视角几何基础模型特征聚合为解耦场景状态，几何解码器按相机射线查询，自回归世界模型预测未来状态并单独建模相机运动。在 Waymo 上超越既有 3D 世界模型，支持跨视角一致查询并零样本泛化到 KITTI 和 nuScenes。

行业落地·Hugging Face Papers·5 天前

#3d-world-model

其他

MELON: Reconstructing 3D objects from images with unknown poses

Google Research 提出 MELON，一种无需相机位姿估计、预训练或复杂训练流程的 NeRF 方法，可从 4-6 张无位姿图像中同时推断物体中心相机位姿并重建 3D 物体，解决了位姿与重建互为前提的"鸡生蛋"难题及伪对称导致的局部最优问题。

其他·Google AI Blog·5 天前

#nerf

具身

Spark-0 用触觉预训练提升机器人灵巧操作

Spark-0 是空间对齐的视觉-触觉-语言-动作模型，预训练时用触觉手套接触图与 3D 几何教师监督视觉 token，推理时可去掉；同时发布 1000 小时 HumanTouch 数据集与 SparkArena 基准。保留触觉监督使纯视觉成功率从 52.5% 升至 71.7%，说明触觉可作为可扩展的预训练监督信号。

具身智能·Hugging Face Papers·4 天前

#robotics

行业

SUPRA-TEX 单图生成超对齐3D纹理

SUPRA-TEX 提出解耦可见材质估计、表面对齐与观测引导补全的单图3D生成方法，用MLLM编辑模型预测PBR贴图并投影为原生观测潜变量，再由交错流Transformer补全未观测区域，实现所见即所得的高保真纹理，仅用公开数据即达SOTA。

行业落地·Hugging Face Papers·5 天前

#3d-generation

大模

将生成式验证落地到三维内容

论文提出3DVerifierBench基准，覆盖10项任务，评估多模态模型对3D内容的验证与拒绝解释能力，发现最强模型GPT-6 Astra与人类仍有21.6个百分点差距；并构建含14,126条矛盾解释的训练数据管线，验证反馈可将候选选择成功率从26.7%提升至90.0%。

大模型·Hugging Face Papers·5 天前

#3d