3DVerifier：三维资产看起来合理，不代表满足要求
把判断、拒绝理由和反事实一致性拆开，能否找到可用的自动验收器？
3DVerifierBench用2581个十任务样本，检查模型是否能发现数量、部件、材质外观、抓持、身份和运动问题。最强模型仍明显落后人工；候选选择和人工递归修改显示潜力，但不能当成自动闭环已经解决。
图解主要方法
把判断、拒绝理由和反事实一致性拆开，能否找到可用的自动验收器？
- 1
01 · 把需求转成有证据的真假判断
统一输入包含显式要求、候选多视图及必要参考，输出真假与拒绝解释。静态对象常用八个固定视图，身份与细几何用成对图板；材质标签检验可见外观，并非从图片恢复真实反射参数。
- 2
02 · 两侧分别改变以构造反事实
图4中Spec-CF固定候选、只改数量或属性要求，Cand-CF固定要求、编辑资产或标记区域。原始正例和两个负例保留关联；抓持等有原生标注的任务优先使用真实标签，避免强行套同一种图像编辑流程。
- 3
03 · 分开正确拒绝与正确解释
每任务分别平衡正负准确率，再对十任务等权汇总。解释裁判只看文本中的参考矛盾，不看图像或模型身份；ExpOA进一步要求拒绝理由正确。615个完整三元组要求三次判断同时正确，检验对改动的响应一致性。
- 4
04 · 用选择与修改检验下游价值
40张输入各由两个生成器产生8件候选，人工标注7项固定事实，再比较随机、模型选择与事后人工最优选择。另取8个初始失败案例，由人指出缺陷后再生成或局部编辑；这是分开的两个实验，不是已训练的自动修复模型。
实验与证据
已阅读正文与全部公开附录，核对实验条件与原图；未独立复现。
来源证据完整2581样本Astra总体69.4%、解释感知65.8%；同一400样本人类87.8%、Astra66.2%，差21.6个百分点，95%区间16.8–26.2。 表1与附录G：同样本对比 ↗
我的解读人类差距必须使用66.2的同子集基线；运动任务人看视频、Astra看16帧，仍不是完全匹配证据格式。
来源证据9488次正确拒绝中36.5%未通过参考语义裁判；300条人工复核一致率91.0%。615三元组Astra答案全对46.5%，再要求解释正确为40.5%。 解释与反事实一致性 ↗
我的解读单次真假准确率掩盖了理由不可靠；但文本裁判也会错，不能把参考语义不一致直接等同于所有视觉解释错误。
来源证据40输入的完整7事实成功率：随机期望26.7%，Astra选择55.0%，人工oracle90.0%；同时无严重缺陷且忠于源图分别16.6%、45.0%、85.0%。 表4：16候选选择 ↗
我的解读90%是读取最终人工标签的上界，实际自动选择55%仍有明显差距；事实全对也不等于资产可用。
来源证据8案例共13次人工指导编辑、21个输出，事实全对8/8；无严重缺陷7/8，再要求源图一致6/8。并行Oracle@8为3/8，比较未匹配计算或人工时间。 附录G5–G7：递归修改 ↗
我的解读100%只适用于极小样本人指导的事实指标，修改可非单调，纹理编辑修好栅格外观也不等于几何拓扑已修好。
开放情况与使用许可
2026-10-18项目页Code仍标Pending；Hugging Face已列benchmark元数据、图片/视频和GLB等实体，非空数据卡。原始项目标注CC BY 4.0，上游资源混合许可，包含非商业及来源协议限制；未核实14126条训练资源完整开放，也无新增验证模型权重。
LICENSE作者版权；arXiv非独占托管许可
我的判断
独立分析 · 未复现实验正方 · 为什么值得投入
把需求与候选的反事实分开，加上明确拒绝原因，可用于设计资产验收清单；它暴露了“识别物体”与“验收局部约束”的差距。
反方 · 哪些结论还不够
有限视角及文本裁判有盲区，细几何只有30种对象；训练资源尚未用于证明训练后效果。没有UV、PBR、重光照或物理材质验证，不能替代引擎内资产检查。
综合判断
重要的三维验证基准与失败分析，自动选择有提升但远未接近可靠无人验收；递归结果应明确标成人工研究。
我会先做的验证
未执行的验证方案：把部件数量、碰撞、UV接缝、材质通道和重光照分别交给几何工具与盲评，加入自动验证器驱动的固定预算修复，统计误放行及修复引入的新缺陷。