📖 AI 总结

马里兰大学与AWS的研究团队提出LEGO-Anything项目，采用"图像到代码"方法，让编码智能体从单张照片出发，迭代编写并调试Blender程序，逐步构建可编辑、可查询的三维场景。由于输出是代码而非一次性生成的模型，场景中的物体、几何结构、布局和相机位置都被显式记录。为评估效果，团队构建了LEGO-Bench基准，包含来自104个室内外场景的208张图像和443个注册资产，图像由专业模拟器场景渲染而成，兼具真实观感与精确几何真值，可从有效性、几何精度和视觉相似度三个维度自动评分。测试显示，六种GPT配置几乎都能生成可用场景，但几何精度差异巨大：表现最佳的GPT-6 Astra在室内场景准确率为53.4%，室外仅39.6%，较弱配置仅约15%。这表明当前智能体虽能产出可运行成果，却缺乏对自身结果是否正确的判断能力，自我评估与几何准确性仍是主要瓶颈。