用于自动CAD生成的基础模型

# 用于自动 CAD 生成的基础模型
来源：https://arxiv.org/html/2607.05573
\\tocauthor

de Curtò 等人。

11institutetext:巴塞罗那超级计算中心 科学与工程计算机应用系，08034 巴塞罗那，西班牙22institutetext:科米利亚斯主教大学 ICAI 高等工程技术学院，28015 马德里，西班牙33institutetext:韩国中央大学 人工智能系，首尔，韩国44institutetext:卢森堡科学与技术研究院 以人为本的人工智能、数据与软件系，L-4362 埃施-苏尔-阿尔泽特，卢森堡

###### 摘要

大型语言模型 (LLM) 和视觉语言模型 (VLM) 的最新进展，为根据自然语言规格自动生成参数化三维设计开辟了新途径。本章围绕统一的评估流程和包含 97 个工程设计问题的精选基准套件，对使用现代基础模型自动生成机械零件计算机辅助设计 (CAD) 进行了全面的实证研究。我们提出了 LLMForge，一个集成 JSON 模式验证、分析特征评分、网格合成和多轮迭代改进循环的多模型文本转 CAD 框架，并在两种不同的评判机制下进行研究。第一种机制 IterTracer，采用冯氏着色光线追踪渲染器，结合一套分析性视觉指标（轮廓 IoU、孔洞可见性、边缘间距、纵横比一致性），在连续生成轮次中提供轻量级、几何感知的反馈。第二种机制 IterVision，用基于 VLM 的语义评判器（Qwen2.5-VL-72B）替代分析评分器，通过思维链视觉推理评估每个候选几何体的渲染视图，从而实现对空间一致性和设计意图的更丰富评估。使用涵盖四个经典几何族（带孔和螺栓圆的矩形板、多特征盒体、带法兰圆柱体和 L 形支架）的基准，我们评估了七种最先进的基础模型：DeepSeek-V3.2、Qwen3-235B-A22B、Llama-3.3-70B、Gemma-3-27B、GLM-4.5、MiniMax-M2.1 和 INTELLECT。在 IterTracer 机制下，排名最高的四个模型形成了一个紧密的性能集群（$\\mu_{\\text{overall}}\\in[0.885,\\,0.890]$），网格成功率达到 98.97%，表明紧凑型指令微调模型可以获得与更大系统相媲美的可靠性。在 IterVision 中，基于 VLM 的评判机制使得领先模型实现了 100% 的水密网格生成，同时暴露出在旋转对称几何体（如圆柱体）上存在的系统性困难，视觉评分与语义评分在其中表现出最显著的差异。本章讨论了基准设计原则、模型失败模式、面向 CAD 的提示策略，以及对工业工程工作流程的影响。最后，我们针对全球应用型 AI 流程中可扩展、自动化的机械设计，指出了未来研究方向。

###### 关键词：

大型语言模型、视觉语言模型、文本转 CAD、参数化设计、基础模型、工程自动化

## 1 引言

机械设计的自动化长期以来一直是工程信息学的核心目标。传统的计算机辅助设计 (CAD) 工作流程需要专家掌握基于约束的参数化建模、脚本语言和领域惯例，这些对于非专业人士来说大多难以接触，也难以集成到自动化处理链中。能够从自然语言指令生成结构化代码的大型语言模型的出现，代表了这一领域的质变：实践者现在可以用简单的英语描述一个机械零件，“一块 150 mm×100 mm×4 mm 的板，中心有一个螺栓圆，包含六个等距的 M5 孔，直径 60 mm”，并期望计算代理直接将此意图转化为有效、可制造的三维几何体。

本章报告了 LLMForge（大型语言模型驱动优化精炼生成引擎），这是一项针对七种最先进基础模型在两种逐步丰富的评估机制下的系统性研究。这项工作满足了精密制造和航空航天工程领域中日益普遍的实际需求：大量结构部件需要根据工程规范以最少人工干预进行重建或适配。通过语言引导生成和多轮迭代评判来自动化此过程，可以显著减少设计迭代周期，降低快速原型制作的门槛。

核心挑战不仅仅是生成语法有效的代码，而是生成在几何意图上*语义正确*的代码。一个解析无误的 CAD 脚本仍可能生成尺寸错误、特征缺失或存在拓扑缺陷的几何体，阻碍下游的网格划分或仿真。这促成了 LLMForge 多维评估流程的设计，该流程沿四个独立维度（模式验证、网格健全性、特征符合度、视觉保真度）对生成的零件进行评分，并针对每个问题将生成循环迭代最多四轮，允许模型根据结构化反馈进行自我修正。

### 贡献

本章做出以下具体贡献。

1.  **IterTracer：** 一个迭代式文本转 CAD 生成流程，其中每个候选几何体通过冯氏着色光线追踪器渲染，并针对一组分析性视觉指标（轮廓 IoU、孔洞可见性、边缘间距、纵横比一致性）进行评分。由此产生的标量评判被纳入下一轮提示中，无需辅助神经模型即可实现轻量级几何感知反馈。（第4章 (https://arxiv.org/html/2607.05573#S4)）
2.  **IterVision：** 该流程的扩展版，用基于 VLM 的语义评判器（Qwen2.5-VL-72B 以思维链模式运行）替代分析性视觉评分器。这实现了对空间一致性和设计意图的更高级别评估，并在验证、网格、特征和视觉维度之外，向评估记录中引入了新的*VLM 分数*维度。（第4章 (https://arxiv.org/html/2607.05573#S4)）
3.  **包含 97 个工程设计问题的基准套件：** 涵盖四个经典几何族：带孔和螺栓圆的矩形板、多特征盒体、带法兰圆柱体和 L 形支架。每个问题都与一个用于计算分析特征符合度分数的真值特征规格配对。（第3章 (https://arxiv.org/html/2607.05573#S3)）
4.  **七种基础模型的比较实证评估：** DeepSeek-V3.2、Qwen3-235B-A22B、Llama-3.3-70B、Gemma-3-27B、GLM-4.5、MiniMax-M2.1 和 INTELLECT，在两个流程中均进行了评估，为每个系统生成了 679 个评分设计尝试，记录了每轮收敛轨迹和完整的网格质量统计数据。（第5章 (https://arxiv.org/html/2607.05573#S5)）

### 主要发现

在 IterTracer 机制下，四个模型（DeepSeek-V3.2、Qwen3-235B-A22B、Llama-3.3-70B 和 Gemma-3-27B）的总分落在非常狭窄的区间 $[0.885,\\,0.890]$ 内，每个模型的网格成功率为 98.97%，这表明对于此类问题的文本转 CAD 任务，在分析性视觉评判下，顶级指令微调模型已达到饱和点。其余三个模型（GLM-4.5、MiniMax-M2.1、INTELLECT）表现出明显更高的方差（$\\sigma > 0.28$）和较低的成功率，反映了不同的失败模式：模式不符合、退化的网格以及持续的特征遗漏。

在 IterVision 机制下，引入基于 VLM 的评判施加了更严格的语义评估压力，体现在前四名集群的总分相对于 IterTracer 普遍降低了约 0.04 分。尽管如此，Gemma-3-27B 实现了 *100%* 的网格成功率（97/97），并且所有 512 个分析的网格都是完全水密且拓扑有效的实体。圆柱体几何体成为所有模型中最具挑战性的类别，其视觉和 VLM 分数相对于板和 L 形支架的偏差高达 0.15 分，表明旋转对称特征存在分析性指标部分忽视的系统性困难。

### 范围与局限

该基准有意限制在四个经典几何族内以实现系统比较；更复杂的装配体、自由曲面和多体零件不在当前范围内。所有实验均使用 Nebius AI Studio 作为推理后端，模型间的温度设置保持恒定以确保可比性。IterVision 中的 VLM 评分器引入了随机评估方差，该方差被多轮协议部分吸收但无法完全消除；我们描述性地报告 VLM 分数，并将其视为分析性指标的补充而非替代。

### 章节组织

本章的其余部分组织如下。第2章 (https://arxiv.org/html/2607.05573#S2) 回顾了 LLM 辅助设计、CAD 代码生成和 VLM 质量评估的相关工作。第3章 (https://arxiv.org/html/2607.05573#S3) 详细介绍了基准数据集和评估流程，涵盖问题构建、JSON 模式 CAD 表示、评分组件和迭代优化协议。第4章 (https://arxiv.org/html/2607.05573#S4) 描述了两种评判机制 IterTracer 和 IterVision，及其各自的信号特性。第5章 (https://arxiv.org/html/2607.05573#S5) 报告了实验结果，包括各模型排名、零件类型难度分析、轮次级收敛、网格质量统计以及两种系统之间的比较分析。第6章 (https://arxiv.org/html/2607.05573#S6) 讨论了模型失败模式、模型规模和指令微调的效果，以及在工业 CAD 流程中部署基础模型的意义。第7章 (https://arxiv.org/html/2607.05573#S7) 以对可扩展、自动化机械设计的研究展望作为总结。

## 2 相关工作

#### 基础模型与代码生成。

Transformer [16 (https://arxiv.org/html/2607.05573#bib.bib4)] 以及大型自回归模型中少样本泛化能力的展示 [3 (https://arxiv.org/html/2607.05573#bib.bib5)] 构成了所有现代代码生成系统的基础。Codex [5 (https://arxiv.org/html/2607.05573#bib.bib9)] 确立了在代码语料上训练的模型可以完成从自然语言文档字符串到函数体的生成，这推动了后续在程序合成 [2 (https://arxiv.org/html/2607.05573#bib.bib11)] 和多轮生成 [13 (https://arxiv.org/html/2607.05573#bib.bib10)] 方面的工作。通用指令微调模型，包括 GPT-4 [14 (https://arxiv.org/html/2607.05573#bib.bib6)] 和 LLaMA 系列 [15 (https://arxiv.org/html/2607.05573#bib.bib7),9 (https://arxiv.org/html/2607.05573#bib.bib8)]，已缩小了与专用代码模型的差距，使其成为 LLMForge 中 JSON 模式 CAD 脚本等结构化输出任务的实用后端。通过结构化反馈进行迭代自校正已被证明无需重新训练即可提高生成质量 [11 (https://arxiv.org/html/2607.05573#bib.bib12)]，并且 LLM 可以利用执行错误信号在多个校正轮次中进行自我调试 [6 (https://arxiv.org/html/2607.05573#bib.bib13)]。这些结果直接激发了 IterTracer 和 IterVision 中多轮精炼循环的设计。

#### CAD 生成模型。

参数化 CAD 生成（生成建模操作序列而非原始几何体）已引起越来越多的关注。DeepCAD [19 (https://arxiv.org/html/2607.05573#bib.bib18)] 提出了一种基于 Transformer 的自回归模型，用于 CAD 构建序列；SkexGen [20 (https://arxiv.org/html/2607.05573#bib.bib19)] 通过将拓扑和几何解耦到单独的码本中，提高了泛化能力。[12 (https://arxiv.org/html/2607.05573#bib.bib20)] 证明了诸如 GPT-4 之类的通用 LLM 可以通过交互式对话辅助参数化设计任务，将 LLM 提示方法定位为专用架构的实用补充。LLMForge 通过在一个统一、可复现的评估流程下，系统地比较了七种现成的指令微调模型，跨越四个经典几何族，扩展了这一思路。

#### 视觉语言模型与模型即评判评估。

Flamingo [1 (https://arxiv.org/html/2607.05573#bib.bib14)]、LLaVA [10 (https://arxiv.org/html/2607.05573#bib.bib15)]、CogVLM [18 (https://arxiv.org/html/2607.05573#bib.bib16)] 和 Qwen2-VL [17 (https://arxiv.org/html/2607.05573#bib.bib17)] 已证明融合视觉和语言表示能够实现丰富的跨模态推理。GPT-4V [14 (https://arxiv.org/html/2607.05573#bib.bib6)] 进一步展示了此类模型可以充当视觉制品的替代评估器。LLM 评估调查 [4 (https://arxiv.org/html/2607.05573#bib.bib21)] 和代码生成基准测试 [21 (https://arxiv.org/html/2607.05573#bib.bib22)] 强调了分解式多轴评分优于二元通过/失败判决的重要性，LLMForge 将此原则应用于 CAD 领域。IterVision 流程通过在迭代精炼循环内部署 Qwen2.5-VL-72B 评判器，将模型即评判范式实例化应用于参数化 CAD，建立在早期 LLM 在工程推理中应用的基础上 [8 (https://arxiv.org/html/2607.05573#bib.bib1),7 (https://arxiv.org/html/2607.05573#bib.bib2)]。

## 3 基准与评估流程

该基准包含 97 个工程设计问题，编码为自然语言字符串，来自四个经典几何族：带孔和螺栓圆的矩形*板*、空心和实心*盒体*、*圆柱体*和 *L 形支架*。问题涵盖了从简单描述（如“制作一个简单的 100×80×5 mm 矩形板”）到结合螺栓圆、单孔偏移、倒角和圆角的多特征描述。每个问题记录都带有 `part_type` 标签和 `difficulty` 标签，用于分层分析；真值特征规格（孔数、标称尺寸和表面处理）与每个问题一起存储，并用于计算第3.1节 (https://arxiv.org/html/2607.05573#S3.SS1) 中描述的分析性特征符合度分数。

基础模型被提示输出一个严格结构化的 JSON 对象，而不是自由形式的几何代码。该模式在所有模型和两个流程中保持不变：

```
{
  "part_type"    : "plate"|"box"|"cylinder"|"l_bracket",
  "units"        : "mm",
  "params"       : { ... },
  "holes"        : [{"x":n,"y":n,"diameter":n,"pattern_id":s}],
  "fillet_radius": number,
  "chamfer"      : number,
  "transform"    : {"rx":0,"ry":0,"rz":0,"tx":0,"ty":0,"tz":0}
}
```

`params` 块键值依赖于 `part_type`：`plate` 需要 `width`、`height` 和 `thickness`；`box` 增加了 `depth` 和可选的 `thickness`（实心盒体为 null）；`cylinder` 需要 `diameter` 和 `height`；`l_bracket` 需要腿尺寸 `a`、`b`、`thickness` 和 `leg_width`。所有量都以毫米为单位。初始系统提示强制螺纹孔的公制到间隙映射（例如 M3 → 3.4 mm）。