论文解读 · 2026年10月7日
LMBuild：评估 LLM 智能体构建可实际组装且能运作的结构
LMBuild: Evaluating LLM Agents for Generating Buildable and Functional Structures
构建了涵盖部件、关节、材料乃至组装顺序的结构构建交互环境和四层评估体系，并评估了 30 个系统，结果确认功能和物理可运作性是最大的短板。
问题
LLM 智能体已能构建复杂的 3D 结构，但现有评估集中在几何与视觉质量以及语义对齐上。能否实际组装、能否实现预期功能、能否在物理世界中制造，尚未得到系统评估。
方法
提供三项内容。① 交互环境：智能体通过工具检索或新建部件，进行放置和修改，并指定关节、材料和组装顺序。② 基准：从约 36.8 万个现有 3D/CAD 数据（BrickNet、PartNeXt、Fusion 360 Gallery、Artiverse、27 个开源硬件项目等）中选取 2,549 个构成 Full 集，并从中选定 200 个作为 Core 集。每个对象都利用维基百科知识补充了功能部件和运动学信息。③ 评估：以 0~100 分制对结构健全性（S）、功能可供性（A）、设计质量（D）、物理实现（R）4 个维度和 12 个细分指标打分。还评估仅检索、仅生成、多轮修改、详细描述提示词等变体设置。
结果
- 在 Core 集上，商业模型的结构健全性细分指标 S.2 较高，为 90.3~97.4。而在功能部件相关的 A.1 上，GPT-6 Astra 最高，为 63.0，Claude Haiku 4.5 仅为 36.7。
- 物理实现的细分指标 R.3 即使在商业模型中也最低，为 11.0~22.1（Claude Opus 5 为 22.1，GPT-6 Astra 为 19.2）。开放模型 Qwen3.5-27B 为 10.5。
- 作者报告称，越强的模型越能利用新部件生成，而较弱的模型依赖检索，生成功能反而成为负担。
- 作者报告称，在提示词中加入功能规格后，功能部件完整性、运动学准确度和物理可运作性都显著改善。
局限
出于成本原因，所有实验仅在 200 个 Core 集上进行。评估对象限制为每个对象类别最多一个。只输出几何的领域专用系统通过 Particulate 估计关节信息后再评估，可能与其原本能力存在差异。功能和运动学标准依赖从维基百科补充的文本知识，可运作性基于仿真评估。
意义
将 3D 生成评估从“好看的形状”扩展到“可制造且能运作的物体”。以数据表明功能推理和新部件设计是下一个瓶颈，可作为设计与制造自动化智能体发展方向的参考基准。
关键术语
- 功能可供性（functional affordance）
- 指物体是否具备实现预期功能所需的部件、关节和运动。
- 运动学（kinematics）
- 研究由关节连接的部件在什么方向和范围内运动的概念。
- 部件检索 vs 生成
- 从给定部件池中挑选合适部件的方式，以及由智能体直接新建所需形状部件的方式。
原文
作者: Jiateng Liu, Rushi Wang, Cheng Qian, Xuejun Zhang, Sun Li, Jiayu Liu, Yifan Shen, Xu Cao, 等 · 发布 2026-10-03 · 许可 arXiv 비독점 배포 라이선스 · 基于全文分析
本解读是 AI 阅读论文后撰写的摘要，请以论文原文为准。