TLM Playground 对比 GET3D | Nvidia

TLM Playground 是 Cleanlab 为可信语言模型（TLM）提供的文档中心。TLM 是一个模型生成 API，能够实时评估任何大型语言模型（LLM）响应的可靠性。每个答案都会获得一个介于 0 到 1 之间的可信度评分，在错误生成和推理错误到达用户之前进行标记。通过 pip install cleanlab-tlm 安装 Python 客户端，设置 CLEANLAB_TLM_API_KEY，然后调用 TLM.prompt() 生成带评分的响应，或调用 get_trustworthiness_score() 审核您现有系统的输出。

大多数幻觉检测器侧重于与检索上下文的一致性。像 RAGAS 这样的指标检查答案是否与源文档匹配，但在上下文稀少或混乱时容易遗漏事实错误。TLM 使用模型不确定性估计，而非以 LLM 作为评判者的提示，Cleanlab 发布的基准测试显示其在 RAG 工作流中的精确度是 RAGAS 的 3 倍。它不需要您领域的标注训练数据，从而避免了导致自定义评估器失效的漂移问题。

构建 RAG 流水线、聊天机器人和代理系统的机器学习与人工智能工程师使用 TLM 来筛选低置信度输出，将其转交人工处理，或替换为备用答案。该 API 支持结构化输出、工具调用、分类标签和多轮对话，而不仅限于纯文本补全。

GET3D 生成带纹理的 3D 网格资产，您可以直接将其导入渲染引擎，该模型仅通过 2D 图像集合进行训练。NVIDIA 研究人员开发它以输出具有几何形状和纹理的显式网格，而非需要自定义渲染器的神经辐射场。

当时大多数 3D 生成模型要么跳过纹理，要么限制固定拓扑结构，或者需要神经渲染管线来查看结果。GET3D 使用可微分的四面体行进算法（DMTet）加上对光栅化 RGB 图像和轮廓的对抗损失，因此输出的是标准的带纹理网格。权衡之处在于研究级访问：这是 NVIDIA 多伦多 AI 实验室在 NeurIPS 2022 发布的项目，而非带上传按钮的托管 SaaS。

该模型支持汽车、椅子、动物、摩托车、人物角色和建筑物。它还支持通过基于 CLIP 的微调进行文本引导的形状生成，类似于 StyleGAN-NADA，并且可以通过独立的潜在编码分离几何形状和纹理。