面向自动CAD生成的基础模型

LLM与VLM的最新进展使从自然语言规格自动生成参数化3D设计成为可能。本章以统一评估管线与97个工程设计问题的精选基准，对机械零件自动CAD生成的基础模型做实证研究。我们引入LLMForge：集成JSON模式校验、解析特征打分、网格合成与多轮迭代精炼的多模型text-to-CAD框架，在两种评判机制下研究。IterTracer使用Phong着色的光线追踪渲染器与解析视觉指标（轮廓IoU、孔可见性、边缘间隙、宽高比符合度）提供轻量的几何感知反馈；IterVision以VLM语义批评者（Qwen2.5-VL-72B）替代解析打分器，经思维链视觉推理评估渲染视图。在跨四个规范几何族的基准上评估七个基础模型（DeepSeek-V3.2、Qwen3-235B-A22B、Llama-3.3-70B、Gemma-3-27B、GLM-4.5、MiniMax-M2.1与INTELLECT）。IterTracer下四个最高排名模型形成紧密簇（总体均值[0.885, 0.890]）、网格成功率98.97%——紧凑指令模型可匹敌大得多的系统。IterVision的VLM批评在前沿模型上产出100%水密网格，同时暴露圆柱等旋转对称几何的系统性困难——视觉与语义打分在此分歧最大。我们讨论基准设计、失败模式、CAD导向提示与工业工作流的含义。