执行前先澄清：用于解决 3D 工具编排中意图不对称的自我进化代理

基本意图不对称困扰着现代 3D 资产创建：虽然最先进的 3D 工具链需要精确的可执行参数，但普通用户通常会提供模糊的、未指定的指令。当前的 3D 代理将这种歧义视为噪声，默认在单轮假设下盲目执行。为了解决这一限制，我们引入了 CLARE，这是一种具有澄清意识和进化的 3D 代理，它不会将意图不对称视为执行错误，而是将其视为战略对话的机会。通过将生成管道解耦为四个专门的认知角色，CLARE 会拦截并解析未指定的指令，然后调用计算成本高昂的 3D 工具，无缝执行五个不同领域的任务：文本到 3D 生成、单视图重建、多视图重建、点云编辑和后处理。至关重要的是，CLARE 不依赖严格的手动规则，而是通过模拟多轮交互自行演化其澄清策略。通过优化多轮奖励，代理将交互效率和任务完成之间的微妙平衡内化。为了严格测试这一点，我们构建了 3D-Clarify，这是一个综合基准，包含 620 个交互场景，其中系统地注入了模糊性、缺失信息和错误细节。 CLARE 实现了最先进的性能，单步和多步任务的成功率分别为 60.40% 和 43.34%，是现有基线的两倍多。定量和定性结果都表明，主动澄清是稳健 3D 执行所缺少的关键。代码可在 https://github.com/xyzhu1225/CLARE 获取。