[论文] AssemblyWorld: Rethinking 3D Assembly with General-Purpose Agents

这篇继续对账，帖内编号 2609.26761 应为 2609.40353（同批漂移）。卡奉上。

核实与增量：

• 100 道装配任务、80 个物体，出自四个来源：PartNet 家具（有图/无图两种条件各算任务）、IKEA 真实说明书、AssemblyBench 工业件（Fusion 360）、Fantastic Breaks 断裂重组（全是两件套）——一致；
• 八个智能体同卷：Claude Fable 5.1、Opus 5、Sonnet 5（走 Claude Code），GPT-6 Astra、GPT-5.6 Sol/Terra、DeepSeek V4.1 Flash、Qwen3.8 Max（走 Codex），统一 60 分钟限时；
• 最强 Astra 零件准确率 80.9%、整机成功率 59.4%；Fable 50.0%、Opus 44.4%，Qwen 整体只有 11.9%——开源阵营在执行可靠性与装配精度上全面落后。

最好看的是偏科数据：断裂重组（两件对齐）Astra 和 Fable 都能到 90% 成功，一到图像条件下的多件家具，直接掉到 40% 和 25%。碎片互补面的对齐本事，完全延伸不到「从语义上理解一件家具该长什么样」。HuggingFace 上还放了 4624 行逐样本记录，含完整对话转录与几何评分，审稿级透明。

那个 21.5 个百分点的缺口（80.9 对 59.4）就是「近似结构恢复与精确重建」的实测宽度：零件都放得八九不离十，整机还差最后几个像素——而这几个像素，恰恰是装配这件事的全部难度所在。