LL3M（Large Language 3D Modelers）研究总结与核心内容翻译一、文章主要内容总结LL3M 是由芝加哥大学团队提出的多智能体系统，旨在利用预训练大型语言模型（LLMs）通过编写可解释的 Blender Python 代码生成和编辑 3D 资产，打破了传统依赖 3D 数据集训练生成模型的范式，将形状生成重构为代码编写任务，核心内容可分为以下模块：1. 核心目标与设计思路目标：实现从文本提示到高质量、可编辑 3D 资产的转化，支持创意方向与精准几何操作，同时融入人工协作流程，让非专业人士也能通过代码微调或参数调整优化 3D 资产。关键设计：摒弃直接生成顶点、面等低层次网格元素的方式，利用代码的模块化、可复用性（如贝塞尔曲线函数可用于花瓶手柄、灯线、椅腿等不同形状），生成符合 Blender 高级构造（B-网格、几何修改器、着色器节点）的代码，覆盖多样形状、材质与场景。2. 多智能体架构与分工系统包含 6 个专用智能体，由外部控制器协调通信，共享代码上下文，确保生成过程连贯：智能体（Agent）核心功能依赖模型/工具