大型语言模型（LLMs）生成文本时存在可控性问题，可能产生刻板立场。使用人类反馈强化学习（RLHF）微调的模型更具可控性，但角色观点较少多样化。评估模型在开放式文本生成中的重要性揭示了新的观点偏见。

本文提出一种新的生成式模型，利用真实世界的3D扫描完成人体和物品的组合式生成模型的学习，解决了先前方法中的限制性表达能力和可控性问题。实验表明该模型能够将不同的物品自然地组合成各种动作和姿势下的人物，且无需人工标注。

本文提出一种新的生成式模型，利用真实世界的3D扫描完成人体和物品的组合式生成模型的学习，解决了先前方法中的限制性表达能力和可控性问题。实验表明该模型能够将不同的物品自然地组合成各种动作和姿势下的人物，且无需人工标注。