Three.js
PulseAugur coverage of Three.js — every cluster mentioning Three.js across labs, papers, and developer communities, ranked by signal.
10 天有情绪数据
-
新的 WorldBench 基准测试评估 LLM 在 3D 世界生成方面的能力
研究人员推出 WorldBench，一个旨在评估大型语言模型使用 Three.js 生成交互式 3D 世界能力的新基准测试。目前依赖视觉快照或源代码分析的评估方法被发现不可靠，并且经常在生成内容上产生分歧。WorldBench 采用了一个更强大的评估器，它结合了对运行中世界的视觉探索和源代码分析，并交叉引用发现以确保准确性。这个新基准测试被用来评估五个前沿模型，包括 Claude Fable 5.1、GPT-6 Astra、Kimi …
-
Verax Approve 要求对人工智能支出进行人工监督
Verax Approve 是一个旨在防止人工智能代理自主花费资金的系统，要求对任何金融交易进行人工批准。该系统强制执行支出上限和每日限额，批准记录并与操作员的 ID 相关联以追究责任。虽然 Verax 记录授权，但实际的资金转移仍需要单独的人工或系统操作。该系统的最新版本包括增强的 HTTP 批准安全性以及与外部透明度日志的可选集成。
-
Anthropic 的 Claude AI 驱动互动式虚拟夜总会体验
一位用户利用 Anthropic 的 Claude AI 创建了一个虚拟夜总会体验，特别是将 Opus 5.5 用作驻场 DJ。该 AI 通过使用音乐编程语言 Strudel 进行现场编码来持续生成音乐，并将新曲目无缝地融入音乐集中。第二个 Claude 实例负责灯光和视觉效果，整个环境，包括墙壁、灯光和舞者，都是由 Opus 5.5 编写的代码生成的。用户可以通过留下点播来与 DJ 互动，这些点播会被纳入正在进行的表演中。
-
Claude Opus 5.5 构建中土世界3D世界，展示AI作为创意合作者
一位用户展示了Claude Opus 5.5的能力，使用它构建了一个详细的《指环王》中土世界3D模型。该AI在生成地形、程序化地标，甚至管弦乐谱方面发挥了重要作用，同时还协助了场景架构和视频渲染等技术方面的工作。该项目突显了大型语言模型在复杂创意和技术工作流程中作为协作伙伴的潜力，尤其是在3D建模和媒体制作方面，尽管人类监督对于指导和完善仍然至关重要。
-
Unity 推出 Spark，一款由 AI 驱动的无代码游戏创作工具
Unity 发布了 Spark，一款新的无代码工具，旨在通过 AI 驱动的提示来创建游戏。该平台将允许用户在基于 Web 的编辑器中协作进行游戏开发、发布他们的创作并进行游戏。Spark 将集成来自 Unity Asset Store 的资源，并将很快进入封闭测试。
-
AI模型引发对软件工程未来的争论，基准测试揭示性能指标 · 追踪3个来源
近期AI社区的讨论正在就Fable和GPT-Astra等新模型对软件工程角色的影响展开辩论。同时，技术基准测试也正在出现，例如在10万个嵌入上进行3.5毫秒的NumPy搜索，突显了AI实现的实际性能考量。这些对话涉及向量数据库的效率和必要性以及诸如分层可导航小世界图等索引技术。
-
AI2 发布 Olmo-core 3，用于更快的 MoE 模型训练 · 已追踪 2 个来源
艾伦人工智能研究所 (AI2) 发布了 Olmo-core 3，这是一个专为大规模专家混合 (MoE) 模型训练设计的开放式基础设施。该新系统通过将专家常驻 GPU 来提高吞吐量，对于一个 47B 参数的模型，实现了超过 52,000 tokens/GPU/秒的吞吐量，比之前的实现提高了 2.7 倍。Olmo-core 3 还通过 MXFP8 实现了 21% 的训练吞吐量提升，同时减少了内存使用。该基础设施旨在作为未来 Olmo 模型…
-
新工具可从单张照片生成可探索的 3D 世界
一个名为 image-blaster 的开源项目使用 Claude Code 在五分钟内将一张照片转换成一个可探索的 3D 环境。该工具生成物体的 3D 模型、静态环境的高斯散点图以及带有基于物理效果的伴随音频。这些输出与流行的游戏引擎和 3D 软件兼容，可用于概念的快速原型设计、建筑模型和关卡设计。
-
Claude Opus 5.5 视频生成提示词汇编成新存储库
一个名为 awesome-opus5-5-videos 的新存储库已上线，其中包含 475 个旨在利用 Claude Opus 5.5 生成视频的提示词。这些提示词可复制到 Claude Code 或类似代理中使用，生成渲染为 HTML 文件的动画。该合集按类别组织，如动态图形、解说视频、3D 场景和交互式项目，侧重于视觉模式而非严格的性能基准。
-
Verax AI策略系统默认拒绝，并记录所有拒绝操作
Verax是一款AI策略执行工具，它遵循默认拒绝原则，这意味着任何未被明确允许的操作都会被拒绝。该系统会记录所有拒绝操作，为未经授权的操作尝试提供可验证的审计追踪。其策略框架旨在防止代理访问未经授权的数据或执行超出其定义权限范围的操作，即使它们尝试使用不同的工具名称。
-
开发者使用 Claude Code/Opus 5.5 为交互式OEIS序列图表
一位名为decompwlj的开发者创建了一个项目，该项目分解了整数序列在线百科全书（OEIS）中的5000个序列。该项目利用 Claude Code/Opus 5.5 和 Three.js 生成可视化这些序列的交互式3D和2D图表。该项目可在GitHub和一个专门的网站上找到。
-
新基准测试多模态AI在3D世界中发现缺陷的能力
研究人员推出了WorldAuditBench，这是一个旨在测试多模态智能体在交互式3D环境中识别异常能力的新基准。该基准使用Unreal Engine 5和Three.js构建，包含13个环境中的213个异常任务。对五个领先模型的评估显示，成功率远低于人类表现，凸显了这些智能体在系统性探索和异常检测中结合行动和视觉推理能力的当前局限性。
-
Verax MCP服务器记录AI智能体工具调用和拒绝
Verax 是一款新的消息控制协议（MCP）服务器，旨在通过记录工具调用和拒绝来增强AI智能体的安全性。它充当中间人，确保每次工具交互都首先根据定义的策略进行评估，然后再执行。该系统创建了一个可验证的记录，包括允许和拒绝的操作，以及智能体、工具、规则和时间戳等详细信息，这在出现问题时对于审计和调试至关重要。Verax 还包括一个用于人工批准金融交易的机制，防止智能体直接发起支出并确保问责制。
-
wlj atlas 项目推出新的交互式序列分解网站
“wlj atlas”项目在 decompwlj.org 上推出了一个新网站，展示了使用 Three.js 驱动的 3D 和 2D 图形分解的 100 个序列。该平台提供影院式全屏观看，支持慢速旋转，并能对比两个链接摄像机的序列。一些帖子还提到了与该项目相关的“GPT-6 Astra Site”。
-
浏览器 LLM 推理引擎 Three-LLM 利用 WebGPU 进行本地执行
Ben Houston 开发了 Three-LLM，一个基于 WebGPU 的推理引擎，允许大型语言模型 (LLM) 在 Web 浏览器内本地运行。该项目利用 Three.js 及其 WebGPU 功能直接在用户的 GPU 上执行 LLM 推理，支持 GPT-2、SmolLM2、Phi、Qwen 和 Llama 架构等各种模型。已实施了重要的性能优化，包括减少命令提交和重用提示前缀，这带来了显著的速度提升，例如 TinyStories…
-
GPT-6 Astra 项目发布交互式 3D 图和除数几何报告
用户 'decompwlj' 发布了一系列帖子，详细介绍了他们在 'GPT-6 Astra' 上的工作，该项目似乎涉及除数几何和序列分解等数学概念。该项目包括一个名为 'decompwlj atlas' 或 'wlj atlas' 的交互式 3D 图应用程序，使用 Three.js 构建。该项目还包含一份教学报告，面向刚接触 'decompwlj' 的研究生研究人员。
-
AI 模型 Fable 5.1 和 Astra 创建 3D 动物园场景
AI 模型 Fable 5.1 和 Astra 被用于创建一个 3D 动物园场景。Fable 5.1 生成了动物园环境，而 Astra 负责创建动物并进行最后的润色。该项目使用了 Blender 进行动物建模，并使用 Three.js 进行整体 3D 场景渲染。
-
AI 模型在 Three.js 任务上的测试
一个人测试了十种不同的模型和框架组合，以评估它们在特定 Three.js 任务上的性能。这些测试结果被记录并在线分享，从而可以对各种 AI 模型及其相关框架在共同基准上的表现进行比较。
-
开发者结合 Astra、图像生成、Blender 和 Three.js 进行游戏开发
一位开发者创造了一款受 Gradius 启发的游戏，结合使用了 Astra、图像生成、Blender 和 Three.js。该过程包括 Astra 生成图像模型，然后使用这些模型在 Blender 中创建 3D 模型，并使用 Three.js 将其实现到游戏。开发者对这种技术表示了热情，并邀请其他人到 astraburn.com 网站上尝试。
-
Astra 展示了使用 Blender 和 GPT-Image-2 进行的高级 3D 游戏开发
Astra 开发了一款采用 three.js 的游戏，具有精美的图形，并且每个场景和预告片也使用 Blender 重建。该项目代表了与之前的 Sol 等项目相比，在 3D 图形和前端设计方面取得了重大进展，展示了更精炼的用户界面。游戏的素材是程序化生成的，使其核心大小保持在 2 MB 以下，UI 元素则使用 GPT-Image-2 创建。