零到CAD：无需真实数据的百万级可解释CAD程序智能体合成
TLDR
零到CAD利用LLM智能体无需真实数据合成数百万可执行CAD程序，实现图像到CAD重建。
评分理由
The paper presents a novel agentic framework for generating large-scale synthetic CAD construction sequences, addressing data scarcity. Its strengths include scalability and demonstrated utility for downstream tasks, but it lacks real-world validation and may have limitations from purely synthetic data.
Read-first 评分解释
综合优先阅读分 65.4，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 98。
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：10。
关键词评分
深度分析
创新点
- 使用LLM在反馈驱动的CAD环境中进行智能体搜索框架，合成可执行CAD程序
- 无需真实构建历史数据，合成约一百万条可执行、可读、可编辑的CAD序列
- 发布经过几何多样性筛选的10万个高质量模型子集
- 在合成数据上微调视觉语言模型，从多视图图像重建可编辑CAD程序，性能超越GPT-5.2
方法
该框架将CAD程序合成视为智能体搜索问题，将大语言模型（LLM）嵌入反馈驱动的CAD环境中，通过工具和文档查找迭代生成、执行和验证代码，以促进几何有效性和操作多样性。生成的合成数据集用于微调视觉语言模型，从多视图图像重建CAD程序。
关键结果
智能体方法合成了约一百万条可执行CAD序列，涵盖除草图拉伸外的多种操作。在此合成数据上微调的视觉语言模型在从多视图图像重建可编辑CAD程序方面优于包括GPT-5.2在内的强基线。