arXiv cs.AI· Mohan Cao, Yongsen Mao, Chucheng Xiang, Zhongyuan Liu, Zhihang Zhong, Haiping Wang, Yuan Liu·· 10 小时前AI 评分31
GREP：以三层原则框架评估生成式房间场景
GREP: Grounding Generated Room Evaluation in Principles
AI 导读
GREP 提出三层评估原则——基础物理有效性、视觉一致性、人类使用逻辑，由评估智能体自主识别问题、收集证据并给出评分与报告。实验显示其与人类多数偏好的一致率达 87%，显著优于基线评估器；GREP 的反馈报告还能通过场景精修提升质量，而仅给分数或无反馈的基线则略有下降。研究还指出 GPT-5.6 Sol 等模型规划能力提升后可挑战流程与约束的指导，但仍缺乏解决由此产生冲突的能力。
正文 · AI 翻译
摘要：近期以 LLM 为中心的进展能够通过选择和布置资产来生成有吸引力的带家具房间。然而，评估仍局限于特定视角或预定义问题，无法反映整体场景质量。为满足这一迫切需求，我们提出了 GREP。其核心是从定义具体问题转向建立三层评估理念：基础物理有效性检查场景是否遵守物理约束；视觉连贯性关注物体尺度、风格和构图的兼容性；最高层次的人类使用逻辑要求物体布置符合人类日常习惯。在这些原则指导下，评估智能体能够自主且自适应地从场景上下文中识别问题、收集证据并生成分数和报告。这支持针对具体场景的问题发现和可靠判断。实验表明：(1) GREP 与人类多数偏好的一致率达到 87%，显著优于基线评估器。(2) GREP 报告通过细化提升场景质量，而仅分数和无反馈基线则略有下降。(3) GREP 表明，随着规划能力提升，GPT-5.6 Sol 等近期模型可以从依赖流水线和框架转向挑战其指导与约束，但仍缺乏解决由此产生冲突的能力。因此，更强的模型不仅应具备良好规划能力，还应更灵活地适应外部指导与约束。项目页面：this https URL
| 评论： | 24 页。项目页面：this https URL |
| 主题： | 计算机视觉与模式识别 (cs.CV)；人工智能 (cs.AI)；图形学 (cs.GR) |
| 引用为： | arXiv:2611.05802 [cs.CV] |
| （或 arXiv:2611.05802v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.05802 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Mohan Cao [查看邮箱]
[v1]
2026 年 11 月 4 日星期三 01:19:12 UTC（11,618 KB）
来源：arXiv cs.AI · arxiv.org