3D 生成的「苦涩教训」失效？作者：程序化描述才是关键

keenanisalive · x · 2026-09-19

开发者 Keenan 提出对「苦涩教训」在 3D 学习领域的反直觉观察：纯粹堆数据和算力并不能自动学出好的形状表征。

当前 LLM/Agent 生成 3D 内容的惊艳案例，几乎都依赖配置好的程序化语言或软件（Three.js、OpenSCAD、Blender 等），而非网络权重中学到的隐式表征。
程序化描述在描述长度上远比显式表征（点云、splat、多边形）或隐式表征（SDF、NeRF）高效：「unit sphere」两个词就能压缩大量几何信息，模型需要预测的 token 更少。
作者将其框架化为对 Kolmogorov 复杂度的约束：寻找「描述长度最短且熵最低」的领域特定语言（DSL）。
这与 Sutton 原意并不矛盾——输入/输出编码本来就重要；但「网络会自己学出最佳表征」是一种误导性虚构。
他预言「code as geometry」与 World Labs 的「geometry as code」将形成对峙，DSL 设计成为关键任务，而计算机图形学作为程序化描述的「解压」机制正在复兴。

「多模态」频道最新