arXiv cs.AI· Nianchen Deng, Jiaxin Ai, Tao Hu, Shu Zou, Yurui Dong, Siqi Li, Xinyu Cai, Xuemeng Yang, Licheng Wen, Hongbin Zhou, Hairong Zhang, Pinlong Cai, Botian Shi·· 11 小时前AI 评分38
IndustryForge-27B：面向工业 CAD 的领域增强多模态基础模型
IndustryForge-27B: A Domain-Enhanced Multimodal Foundation Model for Industrial CAD
AI 导读
基于 Qwen3.5-VL-27B 构建的 IndustryForge-27B 通过整合约 52k 多模态样本的六个工业 CAD 子语料并采用统一多任务 SFT 训练，在四个 CAD 领域基准上平均较基座模型提升 33.65 个百分点，且四项均超过闭源模型 GPT-5.4。
正文 · AI 翻译
作者：Nianchen Deng、Jiaxin Ai、Tao Hu、Shu Zou、Yurui Dong、Siqi Li、Xinyu Cai、Xuemeng Yang、Licheng Wen、Hongbin Zhou、Hairong Zhang、Pinlong Cai、Botian Shi
摘要：工业 CAD 设计与制造的自动化对多模态基础模型提出了独特要求：模型必须能够看懂工程图纸和 3D 几何截图，编写正确的参数化建模脚本和 Windows COM API 代码，并覆盖从单个零件到装配体的完整范围。通用多模态模型在这些任务上表现不足，而单任务微调又过于狭窄，无法支撑上层智能体发出的多样化调用。我们在 Qwen3.5-VL-27B 基础上构建了 IndustryForge-27B，通过整理并整合六个工业 CAD 子语料库（总计约 52k 多模态样本）——CAD 视觉问答（CAD-VQA）、参数化 CAD 代码（text2cadquery）、装配级 CAD 代码（text2cadquery-assembly），以及面向 Inventor / SolidWorks 的三个 COM 子语料库（com_2d / com_3d / com_assembly）——并采用统一的多任务 SFT 方案进行训练。在四个 CAD 领域基准上，IndustryForge-27B 平均将基础模型提升 $+33.65$~pp，并在全部四项上优于强大的闭源模型 GPT-5.4；在十一个通用能力基准上，它保持并略有提升基础模型的表现（平均 $+1.56$~pp，无灾难性遗忘）。IndustryForge-27B 将作为下游工业智能体项目的通用基座，为覆盖从 CAD 设计到工业软件操作、从零件到装配体、从单次生成到闭环自我改进的全栈工业智能体提供统一起点。Huggingface 模型：this https URL
| 评论： | 14 页 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2607.28050 [cs.AI] |
| （或 arXiv:2607.28050v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2607.28050 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Nianchen Deng [查看邮箱]
[v1]
2026 年 7 月 30 日星期四 11:28:21 UTC（4,964 KB）
[v2]
2026 年 10 月 20 日星期二 08:03:48 UTC（4,977 KB）
来源：arXiv cs.AI · arxiv.org