BenchCAD：面向程序化CAD的全面、行业标准基准测试

arXiv 2026 66 method

TLDR

BenchCAD包含17900个CadQuery程序，覆盖106个工业零件族，用于评估多模态LLM的程序化CAD能力。

评分理由

Strengths include a large, execution-verified dataset spanning diverse industrial parts and multiple evaluation tasks (VQA, code QA, image-to-code, editing). Weaknesses are the focus on a single CAD scripting language (CadQuery) and the lack of coverage for other representations like B-Rep or CSG, limiting generalizability.

Read-first 评分解释

综合优先阅读分 66，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 89。

方法质量 25%

100

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：分析、基准、评估、实验、指标、结果

近期性 8%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

主题相关性 42%

55.6

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：AI for CAD、computer-aided design、neural CAD、generative CAD、parametric CAD、B-Rep、boundary representation、constructive solid geometry、CSG、sketch extrusion、CAD generation、CAD reconstruction、text-to-CAD、image-to-CAD、point cloud to CAD、CAD program

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码

研究版图角色

前沿论文桥接论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：7。

关键词评分

parametric CAD

CAD program

computer-aided design

CAD generation

text-to-CAD

image-to-CAD

AI for CAD

generative CAD

sketch extrusion

neural CAD

constructive solid geometry

CSG

CAD reconstruction

B-Rep

boundary representation

point cloud to CAD

深度分析

创新点

提出了BenchCAD，一个统一的工业CAD推理基准，包含来自106个工业零件族的17,900个经过执行验证的CadQuery程序。
多任务评估框架，涵盖视觉问答、代码问答、图像到代码生成和指令引导的代码编辑。
对模型在感知、参数抽象和可执行程序合成方面的能力进行细粒度分析。

方法

BenchCAD包含来自106个工业零件族的17,900个经过执行验证的CadQuery程序。它通过四个任务评估多模态大语言模型：视觉问答、代码问答、图像到代码生成和指令引导的代码编辑。测试了10多个前沿模型，并进行了额外的微调和强化学习实验，以评估分布内和分布外性能。

关键结果

前沿模型通常能恢复粗略的外部几何形状，但无法生成忠实的参数化CAD程序，缺失精细的三维结构、误解设计参数，并将扫掠、放样等复杂操作替换为更简单的草图-拉伸模式。微调和强化学习能提升分布内性能，但对未见零件族的泛化能力仍然有限。

局限性

即使在微调和强化学习后，对未见零件族的泛化能力仍然有限。

技术栈

CadQueryMultimodal Large Language Models (MLLMs)Fine-tuningReinforcement Learning

资源

论文