首个文本到3D生成RL范式诞生，攻克几何与物理合理性

主要观点总结

本文研究了强化学习在Text-to-3D生成中的应用，主要探讨了四个层次的问题：Reward设计层、RL算法层、Benchmark层以及RL范式层。研究发现，强化学习能够用于Text-to-3D生成以提升模型的思维链和生成质量，但面临如语义对齐、几何一致性、视觉质量等奖励设计问题以及现有RL算法是否适合自回归式3D生成等问题。文章还介绍了首个针对3D推理场景的系统评测基准MME-3DR的构建，以及层次化RL范式Hi-GRPO的实现。最后，文章探讨了当前模型的能力边界以及面临的挑战。

关键观点总结

关键观点1: 强化学习在Text-to-3D生成中的应用成为研究焦点。

研究团队系统性探索了强化学习在Text-to-3D生成中的关键问题，包括奖励设计、RL算法、Benchmark评估以及RL范式等方面。

关键观点2: 奖励设计是强化学习在Text-to-3D生成中的核心问题。

研究团队在Reward设计层发现，对齐人类偏好信号是提升整体3D质量的关键。同时，对于同一奖励维度，专门化的奖励模型表现出更强的鲁棒性。

关键观点3: RL算法层的评估是关键。

研究团队评估了GRPO、DAPO、GSPO等RL算法在3D自回归生成中的表现，并发现token级策略相比序列级操作更受强化学习的青睐。

关键观点4: MME-3DR基准的构建是评估Text-to-3D模型的重要进步。

MME-3DR系统评测基准旨在更关注模型在困难约束下的表现，并发现近期的Text-to-3D模型在某些类别上仍存在明显不足。

关键观点5: 层次化RL范式Hi-GRPO的实现是Text-to-3D生成的重要突破。

研究团队将3D生成看作一个coarse-to-fine过程，并提出了层次化RL范式Hi-GRPO。这一范式能够帮助3D生成模型“学会思考”，在隐式3D推理能力上表现出显著提升。