查看 PDF HTML（实验性）摘要：CAD 模型的构建传统上依赖于劳动密集型手动操作和专业知识。近年来，大型语言模型（LLMs）的进展激发了文本到 CAD 生成的研究。然而，现有的方法通常将生成与编辑视为不相干的任务，限制了它们的实用性。我们提出了 PR-CAD，这是一种渐进式改进框架，将可控且忠实的文本到 CAD 建模的生成与编辑统一起来。为此，我们策划了一个高保真互动数据集，涵盖整个 CAD 生命周期，包括多种 CAD 表示以及定性和定量描述。该数据集系统性地定义了编辑操作的类型，并生成高度人类化的互动数据。在一个针对 LLM 量身定制的 CAD 表示基础上，我们提出了一种增强学习的推理框架，将意图理解、参数估计和精确编辑定位整合到一个单一代理中。这使得设计创作和改进的“一体化”解决方案成为可能。 extensive 实验表明生成与编辑任务之间的强相互增强，以及跨定性和定量模态的表现。在公共基准测试中，PR-CAD 在生成和改进场景下实现了最先进的可控性和忠实性，同时也证明了用户友好性，并显著提高了 CAD 建模的效率。主题：计算与语言（cs.CL）；人工智能（cs.AI）引用为：arXiv:2604.19773 [cs.CL]（或 arXiv:2604.19773v1 [cs.CL] 作为此版本）https://doi.org/10.48550/arXiv.2604.19773 arXiv 发布的 DOI 通过 DataCite 提交历史来自：Jiyuan An [查看电子邮件] [v1] 2026年3月27日星期五 12:13:20 UTC (10,655 KB)