SimReady 资产库开源：2,000+ 个模型自带宽碰撞质量摩擦，导入就能仿真
下载一个 CAD 模型只是开始。要它能在仿真里被抓起、被撞、被算负荷，还差六类属性——这份清单就是 SimReady 的定义。
CAD 生成一步错步步错：把建模操作当动作，用点云预测下一状态
文本生成 CAD 的难点不在第一步，在于第 8 步时前 7 步的误差已经叠在一起。解法是让模型学会预测"这一步之后几何长什么样"。
text-to-CAD 加一道有限元：几何对了，物理未必站得住
生成一个外形正确的零件很容易，生成一个装上去不塌的零件很难。区别在于奖励信号里有没有有限元。
Blender 程序化编辑：放置成功率 0.5% → 15.5%，差的是一个沙箱
"能生成"不等于"能精确改"。程序化 3D 编辑真正缺的不是模型，是一个确定性、可回读状态的执行环境。
text-to-CAD 只有一条路真能出图：让模型写脚本，别让它想象形状
120×80 mm 的板、中心 30 mm 通孔、四角 6 mm 孔——这种描述能跑通。换成"给 2 kg 电机做个结实的支架"，你拿到的是猜出来的一堆数。
AI 写的 Three.js 代码不可信：先丢进沙箱，2–5 ms 编成 GLB/USDZ
真正的问题不是"AI 能不能写 3D 代码"，而是"你敢不敢让它跑在你的 App 里"。Google 的答案是：跑，但在一个剥掉了网络的沙箱里跑，并且给几何量设上限。
Frankensplat：浏览器里训练高斯泼溅，快 1.73 倍、画质低 0.87 dB
Frankensplat 不用装 CUDA：COLMAP 结果拖进浏览器就在本机训练高斯泼溅，8 GB 显卡上快 1.73 倍，画质低 0.87 dB。
3D 生成 LoRA 微调：9.3M 参数，鞋底 F-score 从 0.276 到 0.803
只训两个控制几何的 DiT：9.3M 参数、两段 A100 任务，9 个留出对象的鞋底 F-score 从 0.276 到 0.803。
高斯泼溅进游戏：用渲染图训练，0.4 MB 的 boss 能被打出坑
不给照片，给渲染图。6,000 个高斯、0.4 MB 的 boss，靠二值不透明度换回深度缓冲，被打掉的是顶点。