3DCodeBench：通过代码基准测试代理式程序化 3D 建模

本文提出 3DCodeBench，旨在系统评估视觉 - 语言模型（VLM）代理在程序化 3D 建模中的表现。该基准测试考察 VLM 将文本和图像参考转化为 3D 建模软件代码的能力。针对自动指标难以全面捕捉 3D 形状感知质量的问题，作者构建了基于人类 pairwise 偏好的排名平台 3DCodeArena。评估发现，失败主要源于 API 不匹配，且成功渲染仍常存在几何组件断开或悬浮问题；而测试时扩展策略（如增加思考预算和多轮 refinement）能显著提升性能。研究强调了高质量程序化编码数据及高保真反馈执行环境的重要性。