Artisan在逾10个代表模型中碰撞率最低

重点关注

01 图像生成 逾10个代表模型中碰撞率最低、稳定率最高：3D资产开始接受物理体检

在超过10个代表模型的评测中，Artisan拿到了最低碰撞率和最高稳定率，这意味着3D生成终于不只比谁更像，而开始检验资产能否真的进入仿真环境。它把物理模拟反馈接入多Agent生成闭环，以实现无碰撞运动、重力稳定性以及准确的质量和材质属性，而不是只生成几何与外观。配套基准进一步从空间还原、物理合理性、下游任务表现和整体质量四个维度验收资产，覆盖100个参考资产、50条稳定性提示以及50个带参考质量的ABO对象。这个方向很有意思：一旦物理反馈成为生成过程的一部分，3D资产的优化目标就会从视觉相似度扩展到功能可用性。不过，这些优势来自超过10个代表模型及指定基准协议下的比较，不应直接解读为协议范围之外的普遍结果。对做机器人、游戏或数字孪生的团队来说，接下来判断3D生成模型时，碰撞和稳定性可能会比单纯的视觉效果更值得优先关注。

原文：Towards Physically Grounded Articulated 3D Assets: A Multi-Agent Pipeline and Benchmark

02 训练优化 蒸馏该教什么，竟由「参考模型」决定？

蒸馏里真正可迁移的，可能不是教师的完整答案分布，而是教师相对参考策略多出来的那部分行为。论文把两者的对数概率比解释为一种隐式奖励：参考策略滤掉双方共有的能力，留下任务训练带来的策略残差，再用它指导目标模型更新。摘要中的实验显示，由强化学习或监督微调形成的残差能稳定迁移，单纯由模型规模产生的差异却往往监督较弱——参数变大带来的变化未必对应目标任务所需的能力。更意外的是，参考策略选得合适时，原本失败的迁移也可能被挽救；但同一残差并不适用于所有目标模型，还要看更新方向是否真的靠近专家，以及能否泛化到采样轨迹之外。对做模型适配的团队来说，教师选择之外，如何构造「专家减参考」的残差信号，可能才是蒸馏配方中更值得调试的一环。

原文：Rethinking Relative Policy Differences Transfer of On-Policy Distillation

03 评测 压缩数百倍，不等于无损评测

AMLworld-Compact保留全部稀有的非法交易，再按监督模型得分分层抽取正常交易，但这种设计只能在统计意义上逼近完整测试集。通过Horvitz-Thompson重要性权重，它能对固定预测下的混淆矩阵计数给出无偏估计，召回率可以精确计算，而精确率和F1仍是比率估计。该协议将HI-Small和LI-Small的评测目标数分别压缩271倍和611倍，省下的是逐样本构造图提示的成本。留出实验中，其F1均方根误差为0.00至2.58个百分点，优于同样使用Horvitz-Thompson权重的均匀抽样所取得的4.44至7.41个百分点，但保守置信区间依然较宽。它更适合低成本筛选和诊断，而不是在模型差距很小时替代完整评测。

原文：AMLworld-Compact: Importance-Weighted Downsampling for Cost-Effective LLM Evaluation and Error Diagnosis