Gemini 4 自曝盲写 3D 坐标两大盲区,称 3D harness 必须喂视觉反馈
Ryoiki-Tokuiten · reddit · 2026-11-01
Reddit 用户在用 Gemini 4 Argon 迭代 Three.js 3D 场景时让模型自我剖析,模型输出了一份相当坦白的「自省报告」:
- 它承认自己第一轮写的 3D 代码很差,根源是「盲写文本坐标」,有两个具体盲区:一是远景宽镜头下的视觉遮挡(20 米外的渲染图让它看不出 Gojo 的手变成了方块、肘关节压扁);二是 2D 截图到 3D 世界坐标的翻译鸿沟——能看出手穿过下巴,却算不出精确的 (x, y, z) 偏移。
- 它给出的解法:每次迭代都必须真实查看渲染图(viewfile),且 harness 应在图旁打印精确的 3D 包围盒/关节世界坐标与 [CLIPPING] 标注,这样模型一轮就能修准,而不是瞎猜五轮。
- 它还吐槽 Google 的 harness 甚至没在渲染实际 pipeline,并总结这是 3D harness 的「Bitter Lesson」。
这条帖子同时是模型行为的有趣观察和一份可直接照抄的 3D agent 工程实践:给模型提供带数值标注的视觉反馈,能大幅压缩迭代轮数。
「编程与Agent」频道最新
- 特效监制动手整理:20 个开源 Skills 搭出 Claude 自动动效生成流水线 — GCWebDesigner · 2026-11-01
- Cursor 推出设计模式 Annotate:圈选页面元素即可给 Agent 下视觉指令 — soleio · 2026-11-01
- 开源 Garmin MCP:把训练数据接入 Claude 生成仪表盘 — indaco_dev · 2026-11-01
- GPT-5.6 Sol 自主通关 Factorio,发射火箭全程无人工 — Realistic-Total-3553 · 2026-11-01
- CodeRail 开源:让全团队远程共享同一个 Claude Code 会话 — L_i_n_k0666 · 2026-11-01
- 开发者观察：AI 入局后 RTS、策略类重系统游戏明显变多 — IanArawjo · 2026-11-01