Zero-to-CAD：在无真实数据情况下百万级可解释 CAD 程序的智能体合成

针对现有 3D 数据集缺乏参数化构建历史的问题，本文提出 Zero-to-CAD 框架。该方法将合成视为智能体搜索问题，通过在反馈驱动的 CAD 环境中嵌入大语言模型，利用工具调用和文档检索迭代生成、执行并验证代码。系统成功合成了约一百万个可执行且可编辑的 CAD 序列，涵盖丰富的操作类型。基于此合成数据微调的视觉 - 语言模型在从多视图图像重建 CAD 程序的任务中表现优异，超越了包括 GPT-5.2 在内的强基线，有效解决了无真实训练数据下的序列生成难题。