cad-generation

MIT等机构的研究人员开发了GIFT系统，该系统教导视觉-语言模型自动将2D设计转换为精确的CAD程序，用于快速原型制作，通过使用模型生成的数据来纠正错误，并以更少的计算量提升性能。

本文全面实证研究了使用基础模型（大语言模型和视觉语言模型）从自然语言自动生成CAD的方法，提出了LLMForge框架，包含两种批评机制（IterTracer和IterVision），并在包含97个工程设计问题的基准上评估了七个模型。

用户展示了使用Opus 4.8通过两轮对话即可实现语音生成CAD图形的基础演示，虽未达到工业级但适合做demo。

本文提出了一种用于CAD生成智能体的记忆增强强化学习框架，该框架集成了几何内核工具链、双轨记忆和动态效用检索，以处理具有长操作序列和几何约束的复杂CAD模型，从而提升了成功率和几何一致性。

GenCAD 引入了一种图像条件模型，该模型利用 transformers 和扩散先验生成完整的参数化 CAD 命令历史，从而实现从图像中进行精确且可修改的 3D 建模。

本文提出了一种新的CAD生成任务形式，将有限元分析作为反馈，并结合了改进的监督信号，如纯文本蓝图方案和多视角图像渲染器，从而在基准测试中实现了更好的几何重建。