VibeWorlding：开源模型反超GPT-5.5的3D世界构建Agent
机器之心 · wechat · 2026-08-26
香港科技大学（广州）与腾讯推出 VibeWorlding，一个像写代码一样构建交互式 3D 世界的多模态 Agent 框架，并开源了数据集、沙盒环境和模型。
- 核心组件：包含 VWE-Bench 评测基准（6828 条查询、2616 个 3D 资产）和 VibeWorlding-Gym 训练框架，引入“双重约束验证器”（物理可行性 + 意图满足）。
- 实验结果：基于 Qwen3-VL 的开源模型 VibeWorlder-30B-A3B，经强化学习后以 59.3% 的 Pass@1 反超 GPT-5.5（57.3%）和 Qwen3.8-Max。
- 发现与瓶颈：强化学习显著提升了模型的 3D 推理和检索能力，但“精确空间操作”（如避免碰撞）仍是所有模型的共同短板；常见错误包括坐标方向理解错误和过度编辑。
「多模态」频道最新
- SREF 参数营造焦虑动画风格：暗色线条与夸张特征 — tisch_eins · 2026-08-26
- CyberAgent 发布 VAE Speech Align：无监督音素对齐工具 — kastnerkyle · 2026-08-26
- 通义万相3.0生成长篇蒸汽朋克侦探蒙太奇 — socialwithaayan · 2026-08-26
- 展示：赛博朋克风格短片《失物招领》及完整提示词 — derhundmachtwau · 2026-08-26
- Minimax H3 与 LTX 2.5 视频生成渲染效果对比 — call-lee-free · 2026-08-26
- Thomson Reuters 发布 Thomson-1.0-Small 视觉语言模型 — thomsonreuters · 2026-08-26