BrepCoder：面向多任务 B-表示推理的统一多模态大语言模型
机器学习
2026-03-03 v2
摘要
近期的深度学习进展积极应对计算机辅助设计（CAD）领域的复杂挑战。然而，大多数现有方法依赖于特定任务的模型，需对新任务进行结构性修改，且主要关注点云或图像，而非行业标准的边界表示（B-rep）格式。为此，我们提出BrepCoder，一个统一的多模态大语言模型（MLLM），可从B-rep输入中执行多种CAD任务。通过利用大语言模型（LLM）的代码生成能力，将CAD建模序列转换为类Python代码并与B-rep对齐。随后采用两阶段训练策略：首先，在逆向工程中进行预训练，以学习几何特征和设计逻辑；其次，有效扩展至诸如完成功能、错误纠正和CAD问答等多个下游任务。因此，通过将B-rep解释为结构代码，BrepCoder在跨任务的泛化能力方面实现了卓越的表现，展示了其作为通用CAD智能体的潜力。
引用
@article{arxiv.2602.22284,
title = {BrepCoder: A Unified Multimodal Large Language Model for Multi-task B-rep Reasoning},
author = {Mingi Kim and Yongjun Kim and Jungwoo Kang and Hyungki Kim},
journal= {arXiv preprint arXiv:2602.22284},
year = {2026}
}