MUSE：面向可制造、具功能性与可装配性Text-to-CAD生成的基准评测

大语言模型（LLM）近来推动了文本驱动的3D生成，但Text-to-CAD仍远不能支撑工业产品设计。现有基准主要关注单零件CAD模型的生成，并用无法捕捉功能性、可制造性与可装配性的几何相似度指标进行评估。为填补这一空白，我们提出MUSE，一个聚焦复杂、可编辑边界表示（B-Rep）装配体的Text-to-CAD基准。MUSE将实用设计实例与结构化设计规范（Design Specifications）配对，并通过三阶段协议评估生成模型：代码检查、几何检查与设计意图对齐。最后阶段使用针对具体设计的量规评估功能性、可制造性与可装配性，从形状匹配走向实用设计质量。为实现可扩展评估，我们采用基于量规的视觉语言模型（VLM）裁判，并通过人工标注验证其可靠性。在闭源与开源LLM上的实验揭示了从可执行代码到有效几何、再到工程可用设计的清晰失败级联，即便最强模型在细粒度工程标准上的成功也十分有限。总体而言，MUSE为推动Text-to-CAD从几何生成迈向真正的工程设计提供了现实的基准与评估框架。我们的项目网站（含排行榜、数据集与代码）发布于https://dong7313.github.io/muse-benchmark/。