DeciCAD 通过专属的 CAD harness 将语义化的几何操作、决策导向的观测、环境反馈以及持久状态转移统一暴露给模型。该 harness 将智能体的决策空间限定在专业的 CAD 语义动作集合中，从而使学习过程能够直接利用几何约束和长时程流程。
在此基础上，研究者构建了一个学习流水线：首先从交互轨迹中抽取因果决策监督，然后分别使用监督微调（SFT）和几何约束的在线强化学习（RL）进行策略提升。SFT 通过对齐模型输出与因果标签，实现了从 $0.6883$ 提升至 $0.7437$ 的 $F1$；随后在线 RL 将几何可用率从 $66.5\%$ 提升至 $73.5\%$，并将 $F1$ 再提升至 $0.7880$。
在四个 CAD 基准上，DeciCAD 的 $F1$ 与交并比（IoU）均领先于通用编码 harness，同时模型输出的 token 数下降了 $45\%\sim88\%$。这些结果表明，harness 所定义的决策空间对 CAD 智能体的执行效率和策略学习都有实质性影响。
点评