用于自动CAD生成的基础模型
本文对利用基础模型自动生成机械零件CAD进行了实证研究，提出了LLMForge框架及其两种批评机制。在包含97个工程设计问题的基准上评估了七个模型；紧凑的指令调优模型表现与大型系统相当，而基于VLM的批评虽实现100%防水网格，但在处理旋转对称几何体时存在困难。
近年来，大型语言模型（LLM）和视觉语言模型（VLM）的进展使得从自然语言规范自动生成参数化3D设计成为可能。本文《Foundation Models for Automatic CAD Generation》对利用基础模型自动生成机械零件CAD的设计进行了实证研究，并提出了一套统一的评估流程和包含97个工程问题的基准。该研究由J. de Curtò、Victoria Guillén和I. de Zarzà共同完成，已被接受为《Advances in Global Applied Artificial Intelligence》一书章节，将由Springer出版。
研究人员引入了LLMForge框架，这是一个多模型文本到CAD系统，集成了JSON模式验证、分析特征评分、网格合成和多轮迭代优化。该框架在两种批评机制下得到研究：IterTracer使用Phong着色光线追踪渲染器，通过分析视觉指标（如轮廓交并比、孔可见性、边缘间隙和宽高比一致性）在多轮迭代中提供轻量级几何感知反馈；而IterVision则将分析评分替换为VLM语义批评器（Qwen2.5-VL-72B），通过链式思维视觉推理评估渲染视图的空间协调性和设计意图。
基准测试涵盖了四种典型几何体族：带孔和螺栓圈的平板、多特征盒体、带法兰圆柱体和L型支架。评估了七个模型：DeepSeek-V3.2、Qwen3-235B-A22B、Llama-3.3-70B、Gemma-3-27B、GLM-4.5、MiniMax-M2.1和INTELLECT。在IterTracer下，排名前四的模型性能非常接近，总体均值在0.885至0.890之间，网格成功率达到98.97%，表明紧凑的指令调优模型能够与大幅更大的系统相媲美。
在IterVision中，基于VLM的批评使领先模型实现了100%的防水网格生成，但暴露出在处理旋转对称几何体（如圆柱）时的系统性困难，视觉评分和语义评分在圆柱体上分歧最大。本文还讨论了基准设计、失效模式、针对CAD的提示设计以及对工业工作流和可扩展自动化机械设计的影响。研究结果对模型选型、推理成本、产品能力和评测基准具有重要指导意义。