**LLM2R：利用大语言模型实现高效 3D 零件组装**

_LLM2R: From Large Language Models to 3D Reassemblers_

> LLM2R 提出了一种将 3D 零件组装任务转化为序列建模的新方法，利用预训练的大语言模型（LLM）替代传统迭代生成方式。该方法通过 Point-BERT 编码和 Q-Former 压缩几何信息，并引入可学习摘要令牌（summary tokens）解决因果注意力机制无法观察后续零件的局限，从而在单次前向传播中实现非自回归的组装预测。实验表明，LLM2R 在 PartNet、PartNeXt 和 Breaking Bad 等基准测试中均取得了最优或领先的性能，且随着零件数量增加优势更加明显，同时具备强大的零样本迁移能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.18604)