# GPT-4

MIT CSAIL、Google 与东北大学的研究者提出 InstructMesh，将微软 TRELLIS 的 3D 生成能力与 GPT-4 的语言推理结合，让用户用自然语言和滑块在生成模型的潜空间中修改 3D 设计；团队用 TRELLIS 重建 Thingiverse 上的热门模型时发现近 80% 存在结构缺陷，而新手在 InstructMesh 中识别并修复这些问题的比例约为 90%（由专家评审），并据此打印出龙形马克杯、蝴蝶眼镜、章鱼分液器、牛仔布外观护膝和虾形“bristle bot”等实物。

MIT CSAIL、Google 与东北大学的研究者提出 InstructMesh，将微软 TRELLIS 的 3D 生成能力与 GPT-4 的语言推理结合，让用户用自然语言和滑块在生成模型的潜空间中修改 3D 设计；团队用 TRELLIS 重建 Thingiverse 上的热门模型时发现近 80% 存在结构缺陷，而新手在 InstructMesh 中识别并修复这些问题的比例约为 90%（由专家评审），并据此打印出龙形马克杯、蝴蝶眼镜、章鱼分液器、牛仔布外观护膝和虾形“bristle bot”等实物。

该探索性研究以GPT-4为辅助，通过54轮迭代指令生成并微调了一段R语言脚本，用于自适应光学泛光照明眼底镜（AO-FIO）图像的预处理与斑点识别计数，脚本在4名受试者（1名健康者、3名Stargardt病患者）图像上调试，并由另一位对先前编码不知情的研究者用另外4名受试者（1名健康者、3名Stargardt病患者）图像进行错误检查，同时将5个AO图像片段的视锥计数与2名人工评分者及既有AO分析软件的计数进行比较，作者将其定位为功能性但未经验证的初步脚本。

该探索性研究以GPT-4为辅助，通过54轮迭代指令生成并微调了一段R语言脚本，用于自适应光学泛光照明眼底镜（AO-FIO）图像的预处理与斑点识别计数，脚本在4名受试者（1名健康者、3名Stargardt病患者）图像上调试，并由另一位对先前编码不知情的研究者用另外4名受试者（1名健康者、3名Stargardt病患者）图像进行错误检查，同时将5个AO图像片段的视锥计数与2名人工评分者及既有AO分析软件的计数进行比较，作者将其定位为功能性但未经验证的初步脚本。