摘要
针对工业设计中 CAD-CAE 语义鸿沟导致的迭代优化瓶颈，本文提出 COSMO-Agent，一种工具增强的强化学习框架。该框架将 CAD 生成、CAE 求解及几何修正构建为交互式环境，训练大语言模型协调外部工具以满足复杂约束。通过设计多约束奖励机制及提供行业对齐数据集，该方法显著提升了小模型在约束驱动设计中的可行性、效率与稳定性，表现优于大型开源及闭源模型。
AI 推荐理由
论文核心在于教 LLM 协调外部工具（CAD/CAE）完成闭环任务，属典型技能学习与工具使用研究。
研究机构
Northwestern Polytechnical University
Shanghai Artificial Intelligence Laboratory
论文信息