摘要
最近，随着大型语言模型（LLMs）和视觉-语言模型（VLMs）的进步，实现了从自然语言规格自动生成参数化3D设计的可能性。本章呈现了一项关于自动计算机辅助设计（CAD）机械零件生成的基础模型的实证研究，采用统一的评估流程和97个工程设计问题的精心构建基准。
我们介绍了LLMForge，这是一个集成了JSON-schema验证、分析特征评分、网格合成和多轮迭代优化的多模型文本到CAD框架，并在两种评估机制下进行了研究。IterTracer使用Phong阴影光线追踪渲染器，结合分析视觉度量（轮廓IoU、孔可见性、边缘间隙、长宽比符合性）为多轮提供轻量级几何感知反馈。IterVision则用VLM语义评估器（Qwen2.5-VL-72B）替代分析评分，通过链式思维的视觉推理评估渲染视图，从而评估空间一致性和设计意图。
在涵盖四种经典几何形状（带孔和螺栓圆的板、多特征盒、法兰圆柱和L型支架）的基准测试中，我们评估了七个基础模型：DeepSeek-V3.2、Qwen3-235B-A22B、Llama-3.3-70B、Gemma-3-27B、GLM-4.5、MiniMax-M2.1和INTELLECT。在IterTracer下，四个排名最高的模型形成了一个紧密的集群（总体均值在[0.885, 0.890]之间），网格成功率达到98.97%，显示出紧凑的指令调优模型可以匹配更大系统的性能。
在IterVision中，基于VLM的评估在领先模型上实现了100%的密闭网格生成，但在旋转对称几何（如圆柱体）上显现出系统性困难，视觉与语义评分出现分歧。我们讨论了基准设计、失败模式、CAD导向的提示以及对工业工作流程和可扩展自动机械设计的影响。
博主点评： 本文展示了基础模型在CAD生成领域的潜力，结合自然语言处理和视觉推理，极大地提升了设计效率。同时，对模型性能的深入评估为未来的工业应用提供了重要参考，值得关注其在实际工程中的应用前景和挑战。