arXiv cs.AI· Fengxiao Fan, Jingzhe Ni, Fan Sang, Xiaolong Yin, Yu Liu, Ruofeng Tong, Min Tang, Peng Du·· 10 小时前AI 评分32
TraceCAD：面向智能体 CAD 生成的轨迹引导修复方法
TraceCAD: Trace-Guided Repair for Agentic CAD Generation
AI 导读
TraceCAD 是一个将需求特征、建模步骤、失败证据与候选结果作为持久状态关联的修复层，可诊断可疑操作并在其依赖区域内做有界编辑搜索，再通过执行与保持性校验筛选候选。
正文 · AI 翻译
摘要：基于 LLM 的 CAD 智能体能够生成可执行的参数化程序，但其修正循环可能会丢失关于已满足需求、错误操作以及先前修复的证据。我们提出 TraceCAD，这是一个恢复层，将请求的特征、建模步骤、失败证据和候选结果作为持久状态关联起来。TraceCAD 诊断可能出错的操作，在其依赖区域内搜索有界编辑，通过执行和保持性检查验证候选方案，并将成功和失败的修复结果保存在可复用的技能记忆中。在基于 DeepCAD 的基准测试中（包含 200 个模型的消融实验和 1K 个模型的对比），TraceCAD 在 IoU、Chamfer 距离和 Hausdorff 距离方面取得了有竞争力的几何质量。移除持久状态会使恢复分数几乎减半；移除局部搜索会使几何退化程度增加一倍以上，并使代码智能体调用次数翻倍。在不相交的训练模型上初始化技能存储，进一步减少了重试次数、token 成本和延迟。这些结果表明，持久、局部化且可复用的恢复机制能够提升最终 CAD 质量和修复可靠性。
| 评论： | 17 页，7 幅图；包含补充材料；修订稿 |
| 主题： | 人工智能（cs.AI）；图形学（cs.GR）；软件工程（cs.SE） |
| 引用为： | arXiv:2608.03062 [cs.AI] |
| （或使用 arXiv:2608.03062v2 [cs.AI] 获取此版本） | |
| https://doi.org/10.48550/arXiv.2608.03062 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Fengxiao Fan [查看电子邮件]
[v1]
2026 年 8 月 4 日星期二 03:23:11 UTC（5,658 KB）
[v2]
2026 年 11 月 4 日星期三 06:12:15 UTC（5,654 KB）
来源：arXiv cs.AI · arxiv.org