新基准用几何与规格一致性评估智能体CAD建模，而非仅看脚本能否执行。
资讯摘要
论文提出 Parametric CAD Bench v3，一个包含100项任务的基准：30项文本生成CAD、30项文本生成并编辑CAD、40项从工程图纸重建机械零件。智能体在固定版本的 FreeCAD 环境中操作，提交原生 CAD 产物，由独立程序化验证器检查。主指标为平均连续任务奖励，综合几何相似度与规格一致性，而非二元成功率。2026年9月24日快照覆盖13个模型-智能体系统，Claude Code 搭配 Claude Opus 5.5 总体点估计最高，为61.03%，图像转CAD平均奖励84.66%。作者强调这些测量针对完整系统，而非孤立模型能力，并发布版本化任务、评估配置与可检查结果产物。
要点速读
- 基准含100项任务：30项文本生成CAD、30项生成并编辑、40项从工程图纸重建零件。
- 智能体在固定 FreeCAD 环境提交原生 CAD 产物，由独立程序化验证器按几何相似度与规格一致性评分。
- 2026年9月24日快照覆盖13个模型-智能体系统，Claude Code 搭配 Claude Opus 5.5 总体点估计最高61.03%，图像转CAD平均奖励84.66%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。