3DSceneBench 发布：考编程 Agent 能否造出「能住」的 3D 世界
yizhu59 · x · 2026-11-14
Prana Labs 与 UC Berkeley 推出 3DSceneBench，首个评测编程 Agent 构建功能性 3D 世界的 benchmark，不是看场景像不像，而是看能不能用。
- 规模：49 个整屋场景、7 大类别，单场景最多 3,002 个物体，471 个任务、36,871 项逐物体测试。
- 流程：Agent 只拿到 8 张带相机位姿的场景照片、最多 16 张特写和自然语言任务描述（不给重量/摩擦系数），需在容器内用最多 180 分钟或 10M token 写出一个 MuJoCo 场景，每个物体是有名字的 body，每扇门和抽屉都是真实关节。
- 评分：验证器加载世界、渲染测量、推物体、开门，并让机器人在其中作业，从外观、几何、功能性三个维度与参考场景对比打分。示例中提交世界的汽车受同样推力只移动 4.7cm 就停下，与真实物理不符。
- 资源：论文、代码、排行榜与数据已开放。
所属事件:3DSceneBench 发布：评测智能体能否构建可用 3D 房间(2 条相关)→
「编程与Agent」频道最新
- Superconductor 接入 Loops MCP,编码 Agent 可直接管理邮件营销 — sergeykarayev · 2026-11-14
- 让 PR 百发百中的怪招：录两小时手写 Neovim 视频附上 — yacineMTB · 2026-11-14
- Grok Bot 测试自动购物: 单笔消费上限 50 到 5000 美元免确认 — XFreeze · 2026-11-14
- Cloudflare:AI 渗透测试框架流量 30 倍激增,提出现代安全模型 — Cloudflare Blog · 2026-11-14
- 马斯克亲自带货:一条 Prompt 让 Grok Bot 变成自组织第二大脑 — elonmusk · 2026-11-14
- Scoble 力挺 Boardy:从「助手」到自主运行的 Agent「Principal」 — Scobleizer · 2026-11-14