⌁ Awesome AI4CAD Hub 论文 · 数据集 · 项目
English GitHub
← 返回论文列表

STEP-LLM：利用大型语言模型从自然语言生成CAD STEP模型

arXiv 2026 64.5 method

TLDR

STEP-LLM利用大语言模型、检索增强生成和强化学习从自然语言生成CAD STEP模型，解决图结构边界表示挑战。

评分理由

The paper introduces a novel method for generating STEP files (B-rep) from text, with a curated dataset and preprocessing techniques. Strengths include addressing a practical manufacturing format and using RAG/RL; weaknesses include limited baseline comparison and no explicit real-world validation.

Read-first 评分解释

综合优先阅读分 64.5，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 85。

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%
90

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：基线、数据集、实验、指标、结果

主题相关性 42%
53.1

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%
46

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：工件、数据集

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：4。

关键词评分

B-Rep
10
boundary representation
10
CAD generation
10
text-to-CAD
10
computer-aided design
9
generative CAD
9
AI for CAD
8
neural CAD
7
parametric CAD
3
CAD reconstruction
2
CAD program
2
constructive solid geometry
1
CSG
1
sketch extrusion
1
image-to-CAD
1
point cloud to CAD
1

深度分析

创新点

  • 构建约40K STEP-文本描述对的数据集
  • 基于深度优先搜索（DFS）的重序列化方法，线性化交叉引用同时保持局部性
  • 链式思维（CoT）风格的结构化注释，引导全局一致性
  • 检索增强生成（RAG）将预测锚定到相关示例
  • 基于Chamfer距离的几何奖励的强化学习（RL）

方法

STEP-LLM在约40K STEP-文本描述对上微调大语言模型，预处理包括基于DFS的重序列化和链式思维结构化注释。集成检索增强生成和基于Chamfer距离几何奖励的强化学习，并与Text2CAD基线在几何保真度、完整性、可渲染性和Chamfer距离指标上进行比较。

关键结果

STEP-LLM在几何保真度上持续优于Text2CAD；RAG提升了完整性和可渲染性，DFS重序列化增强了整体准确性，RL减少了几何偏差，指标和视觉对比均证实了这一点。

技术栈

LLMRAGRLDFSCoTChamfer Distance

资源

论文

标签

AI