用於自動CAD生成的基礎模型
本文對利用基礎模型自動生成機械零件CAD進行了實證研究，提出了LLMForge框架及其兩種批評機制。在包含97個工程設計問題的基準上評估了七個模型；緊湊的指令調優模型表現與大型系統相當，而基於VLM的批評雖實現100%防水網格，但在處理旋轉對稱幾何體時存在困難。
近年來，大型語言模型（LLM）和視覺語言模型（VLM）的進展使得從自然語言規範自動生成參數化3D設計成為可能。本文《Foundation Models for Automatic CAD Generation》對利用基礎模型自動生成機械零件CAD的設計進行了實證研究，並提出了一套統一的評估流程和包含97個工程問題的基準。該研究由J. de Curtò、Victoria Guillén和I. de Zarzà共同完成，已被接受為《Advances in Global Applied Artificial Intelligence》一書章節，將由Springer出版。
研究人員引入了LLMForge框架，這是一個多模型文本到CAD系統，集成了JSON模式驗證、分析特徵評分、網格合成和多輪迭代優化。該框架在兩種批評機制下得到研究：IterTracer使用Phong着色光線追蹤渲染器，通過分析視覺指標（如輪廓交併比、孔可見性、邊緣間隙和寬高比一致性）在多輪迭代中提供輕量級幾何感知反饋；而IterVision則將分析評分替換為VLM語義批評器（Qwen2.5-VL-72B），通過鏈式思維視覺推理評估渲染視圖的空間協調性和設計意圖。
基準測試涵蓋了四種典型幾何體族：帶孔和螺栓圈的平板、多特徵盒體、帶法蘭圓柱體和L型支架。評估了七個模型：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，總體均值在0.885至0.890之間，網格成功率達到98.97%，表明緊湊的指令調優模型能夠與大幅更大的系統相媲美。
在IterVision中，基於VLM的批評使領先模型實現了100%的防水網格生成，但暴露出在處理旋轉對稱幾何體（如圓柱）時的系統性困難，視覺評分和語義評分在圓柱體上分歧最大。本文還討論了基準設計、失效模式、針對CAD的提示設計以及對工業工作流和可擴展自動化機械設計的影響。研究結果對模型選型、推理成本、產品能力和評測基準具有重要指導意義。