登顶 ICML Oral ！专访上交大团队：这个 3D 自动标注 AI 太强了
登顶 ICML Oral ！专访上交大团队：这个 3D 自动标注 AI 太强了3D空间数据的瓶颈，从来不是算法，而是标注。
来自主题: AI技术研报
6422 点击 2026-07-14 15:51
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
3D空间数据的瓶颈，从来不是算法，而是标注。
把一个Bug交给Claude Code或Codex，十几分钟后它回了一句“Done”和一大片Diff。过程中它读错了什么、为什么反复改同一个文件、最后有没有重新跑测试......开发者想知道就只能去几百行日志里碰运气。7月11日，一个名叫Mindwalk的开源项目发布了v0.1.0。
大模型竞技场的 AI 能力负责人 Peter Gostev，在前几天公开了 63 条几乎是故意为难模型的 3D 提示词；从大型 3D 世界，到各种可游玩的 3D 场景、名画世界，以及极端视角、自然奇观，和元素与宇宙终局场面等。
测试方法很简单。 找一个创意性极强的项目，让 4 个模型从零搭建，然后逐个跑一遍，看看谁做得最好看、谁最完整、谁翻车最惨。项目选的是一个 3D 浮岛创意作品集，对标 jordan-breton.com 那种风格，一座漂浮在空中的岛屿，上面有自然元素，随着页面滚动镜头会环绕岛屿移动，分成远景、中景、近景、拉远四个章节。
昨天早上我想给 Claude 的一篇文章配几张 3:4 的社交媒体图。手边有自己做的社交媒体 Skills，就顺手让 Codex 调了 GPT-Image 2.0。出来的效果超出预期。干净白底，克制的 3D 材质，中文标签直接印在图里，远看像杂志内页，近看细节都读得清。
近期， ECCV 2026 结果公布，Realsee 团队的成果 Argus: Metric Panoramic 3D Reconstruction for Indoor Scenes 成功入选。它面向室内全景图像，能够从稀疏、无序的全景照片中，直接预测相机位姿、度量深度和点云重建结果，可以为 3DGS 提供更稳定、更精准的几何约束。
两个月的时间，混元 3 正式版上线。结合了用户对预览版的反馈以及对模型稳定性和可用性的提升，Hy3 在 Agent 和 Coding 能力上有了实质的提升。我们做了多个前端网页的生成测试，大多数都包含复杂的 3D 网页模拟、严格的游戏逻辑，以及需要调用不同的框架和库文件，Hy3 交付的内容要比预览版好上一个等级。
Fable 5重新上线，Arena.ai的Gostev在一段视频中甩出63个3D世界，几乎都是一次成型。看了视频，就连刚加盟Anthropic预训练团队的Karpathy，也直呼没想到。
AI 时代，面临传统电网和可再生能源的压力，科技巨头们争夺的资源已不仅仅是 GPU，而是稳定、低价、全天候不断电的清洁能源。现在，解决方案或许又多了一个新的选择。近日，美国核能初创公司 Ampera 称，已基于 3D 打印完成全球首个全尺寸核反应堆模块，旨在为 AI 数据中心、国防应用、工业设施和偏远地区等提供清洁电力。
近日，上海AI Lab等团队提出了一种面向专业软件智能体的新范式——ComAct（COM-as-Action）。它的核心思想在于：不再把鼠标点击和键盘输入作为Agent的action，而是让Agent直接生成COM代码，通过软件底层对象模型操纵真实专业软件。