PR-CAD: 基于大型语言模型的渐进式精炼实现统一可控且忠实的文本到CAD生成

arXiv 2026 50.7 method, system

TLDR

PR-CAD通过渐进式精炼统一文本到CAD生成与编辑，实现最先进的可控性和忠实性

评分理由

The paper's strength lies in unifying generation and editing tasks with a reinforcement learning-enhanced framework and a curated interaction dataset. Weaknesses include limited detail on dataset size and specific benchmark metrics in the abstract.

Read-first 评分解释

综合优先阅读分 50.7，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 59。

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

方法质量 25%

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：基准、数据集、实验

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：数据集

主题相关性 42%

36.9

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

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：24。

关键词评分

CAD generation

text-to-CAD

AI for CAD

generative CAD

computer-aided design

neural CAD

parametric CAD

CAD program

CAD reconstruction

B-Rep

boundary representation

constructive solid geometry

CSG

sketch extrusion

image-to-CAD

point cloud to CAD

深度分析

创新点

统一的渐进式精炼框架，结合生成与编辑进行文本到CAD建模
覆盖完整CAD生命周期的高保真交互数据集，包含多种表示以及定性和定量描述，定义了编辑操作并生成高度类人交互数据
强化学习增强的推理框架，将意图理解、参数估计和精确编辑定位集成到单一智能体中
为大型语言模型定制的CAD表示

方法

PR-CAD采用渐进式精炼框架，结合强化学习增强的智能体，集成意图理解、参数估计和编辑定位。该模型在覆盖CAD生命周期的精心策划数据集上训练，该数据集包含多种表示以及定性和定量描述，并使用为大型语言模型设计的CAD表示。

关键结果

实验表明生成与编辑任务之间以及跨模态之间存在相互增强；PR-CAD在公开基准上的生成和精炼场景中均达到最先进的可控性和忠实性，并显著提升CAD建模效率。

资源

论文