摘要
基于大语言模型的CAD智能体虽能生成可执行的参数化程序,但其纠错循环往往丢失关于需求满足、故障操作及先前修复的证据。本文提出TraceCAD,一种恢复层,将请求特征、建模步骤、失败证据和候选结果链接为持久化状态。TraceCAD诊断可能的故障操作,在其依赖区域搜索受限编辑,并通过执行和保留检查验证候选项,同时将成功和失败的修复结果保留在可复用的技能记忆中。实验表明,该机制显著提升了最终CAD质量和修复可靠性。
AI 推荐理由
论文核心贡献在于构建持久化状态层和可复用技能记忆库,以解决Agent在CAD生成中的错误修复与历史证据保留问题。
研究机构
浙江大学
论文信息