错误设计意图比没有更糟糕：CAD程序补全中头部条件化的Derangement-Control诊断

arXiv 2026 64.7 method, application

TLDR

测试LLM在CAD生成中是否读取设计意图头；错误头损害性能，但错乱控制表明效应需学习映射。

评分理由

Strengths include rigorous experimental design with causal controls, multiple seeds, and pre-registered conditions. Weaknesses are limited to a single model and dataset, and the abstract cuts off before discussing limitations or broader applicability.

Read-first 评分解释

综合优先阅读分 64.7，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 86。

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：基线、评估、实验、指标

主题相关性 42%

53.8

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：检查点、代码

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：5。

关键词评分

parametric CAD

sketch extrusion

CAD generation

CAD program

computer-aided design

generative CAD

B-Rep

boundary representation

AI for CAD

neural CAD

text-to-CAD

constructive solid geometry

CSG

CAD reconstruction

image-to-CAD

point cloud to CAD

深度分析

创新点

因果错乱控制（打乱头信息），将学习到的头到程序映射与边际分布偏移分离
通过可执行几何断言对B-rep实体进行独立评估，打破与基于正则表达式的头提取器的循环性
预注册的三种子实验设计，交叉前缀长度和头类型，以诊断头条件化

方法

使用LoRA微调Qwen2.5-Coder-1.5B，在CadQuery程序上附加五特征CADCON头，然后在预注册的{0%, 40%}前缀×{正确, 错误, 遮罩}头矩阵下，用三个种子进行评估。通过生成B-rep实体上的几何断言评分一致性，并使用打乱真实头训练的错乱模型作为因果控制。

关键结果

错误头显著降低多边形和薄几何意图下的一致性，低于无头基线，而错乱控制则不受影响（3/3种子交互显著，p ≤ 4.2×10^{-3}）。独立指标将正确头的表面收益从+0.21降至+0.02，揭示指标循环性。

局限性

圆形和高设计意图在该检查点处于基线生成下限（~0），因此对对比无信息量
损害具有条件特异性：在0%前缀下，无条件基线无法生成有效CAD，因此结果仅适用于条件完成
研究限于单一模型（Qwen2.5-Coder-1.5B）和一个CAD程序领域

资源

论文