PR-CAD：基于大型语言模型的可控且忠实文本到 CAD 生成的渐进式细化统一框架
计算与语言
2026-04-23 v1 人工智能
摘要
CAD 模型的构建传统上依赖于耗时的手工操作和专业知识。大型语言模型（LLM）的最新进展激发了对文本到 CAD 生成的研究。然而，现有方法通常将生成和编辑视为互不关联的任务，限制了其实用性。我们提出 PR-CAD，一种渐进式细化框架，统一了可控且忠实的文本到 CAD 建模的生成与编辑。为此，我们整理了一个涵盖 CAD 完整生命周期的高保真交互数据集，包含多种 CAD 表示以及定性和定量描述。该数据集系统定义了编辑操作的类型，并生成高度类人的交互数据。基于为 LLM 量身定制的 CAD 表示，我们提出了一种强化学习增强的推理框架，将意图理解、参数估计和精确编辑定位集成于单一智能体中。这为设计创建和细化提供了一种“多合一”解决方案。大量实验表明，生成与编辑任务之间、以及定性与定量模态之间存在强烈的相互增强。在公开基准上，PR-CAD 在生成和细化场景中均实现了 SOTA 的可控性和忠实度，同时证明对用户友好，显著提升了 CAD 建模效率。
引用
@article{arxiv.2604.19773,
title = {PR-CAD: Progressive Refinement for Unified Controllable and Faithful Text-to-CAD Generation with Large Language Models},
author = {Jiyuan An and Jiachen Zhao and Fan Chen and Liner Yang and Zhenghao Liu and Hongyan Wang and Weihua An and Meishan Zhang and Erhong Yang},
journal= {arXiv preprint arXiv:2604.19773},
year = {2026}
}