生成稳健文本到CAD的主动代理人：先澄清后绘制
机器学习
2026-02-04 v1
摘要
大型语言模型最近使文本到CAD系统能够合成来自自然语言提示的参数化CAD程序(如CadQuery)。然而，实际情况下，几何描述可能不完整或内部不一致：关键尺寸可能缺失且约束可能冲突。现有的微调模型倾向于被动遵循用户指令，当文本模糊时会捏造尺寸。为此，我们提出一种主动代理框架用于文本到CadQuery生成，命名为ProCAD，该框架在代码合成前解决规格问题。我们的框架由一个主动澄清代理组成，该代理审查提示并仅在必要时提出针对性澄清问题以生成自洽规格；以及一个CAD编码代理，将规格翻译为可执行CadQuery程序。我们对编码代理在精选高质量文本到CadQuery数据集上进行微调，并通过代理SFT在澄清轨迹上训练澄清代理。实验表明，主动澄清在保持交互开销低的同时显著提高对模糊提示的鲁棒性。ProCAD超越前沿封闭源模型(包括Claude Sonnet 4.5)，将平均 Chamfer 距离降低79.9%，无效性比率从4.8%降至0.9%。我们的代码和数据集将公开提供。
引用
@article{arxiv.2602.03045,
title = {Clarify Before You Draw: Proactive Agents for Robust Text-to-CAD Generation},
author = {Bo Yuan and Zelin Zhao and Petr Molodyk and Bin Hu and Yongxin Chen},
journal= {arXiv preprint arXiv:2602.03045},
year = {2026}
}
备注
In Review