论文
CADWorld：长周期计算机辅助设计操作基准
CADWorld: Computer-Use Benchmark for Long-Horizon Computer-Aided Design
摘要
计算机使用智能体越来越多在真实桌面环境评估，但现有基准较少覆盖输出持久结构化产物的专业工程流程。机械CAD尤其困难：智能体要在长交互中操作几何和约束，生成尺寸、构建结构及下游工程状态有效的原生项目。我们提出FreeCAD长周期操作基准CADWorld，含200项任务，覆盖草图、零件建模、装配、CAM、FEM、测量、网格处理、工程图等11类流程。智能体通过截图和GUI动作操作，成功由保存FreeCAD产物和辅助输出上的专用可执行检查决定，覆盖几何属性、参数结构、约束、制造状态和模拟结果。七个当前智能体完整测试中，最强成功率17.5%，专家参考为87.0%。较弱智能体常在产出有效文件前失败，较强者则更多失败于结构、几何和构建流程要求。CADWorld揭示通用GUI能力与可靠执行持久可验证工程流程的差距。项目见原摘要链接。
