DeciCAD: Harness-Grounded Learning of Action Policies for CAD Agents

📄 arXiv: 2610.21755v1 📥 PDF

作者: Yufeng Peng, Yixin Zhang, Ziyi Liu, Zhikun Xu, Jiarong Yang, Sijie Wang, Wenjie Feng, Qiyu Kang

分类: cs.AI, cs.CL, cs.LG, cs.RO

发布日期: 2026-10-15

💡 一句话要点

提出DeciCAD以优化CAD领域的智能体决策与学习

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 计算机辅助设计 智能体学习 强化学习 监督微调 决策空间 几何约束 领域特定工具

📋 核心要点

  1. 现有方法在CAD领域中缺乏有效的决策空间设计，导致智能体的行为和学习效率低下。
  2. 本文提出DeciCAD，通过领域特定的工具设计，提供语义CAD动作和决策导向的观察，优化智能体的学习过程。
  3. 在四个CAD基准测试中，DeciCAD在F1和IoU上表现优异，F1提升至0.7880，模型输出令牌减少45%至88%。

📝 摘要（中文）

大型语言模型智能体通过闭环动作策略进行操作，其决策空间由智能体的工具定义。本文探讨了这一操作空间如何影响计算机辅助设计（CAD）中的智能体行为和策略学习。我们提出DeciCAD，一个领域特定的工具，能够暴露语义CAD动作、决策导向的观察、环境反馈和持久状态转移。基于此工具，我们开发了一种学习管道，从交互轨迹中提取因果决策监督，并通过监督微调（SFT）和几何基础的在线强化学习（RL）来改进策略。在四个CAD基准测试中，DeciCAD在F1和交并比（IoU）上表现最佳，同时相较于通用编码工具减少了45%至88%的模型输出令牌。在匹配监督下，其SFT策略将F1从0.6883提升至0.7437，并超越了编码策略；后续的在线RL进一步将几何可用性从66.5%提升至73.5%，F1提升至0.7880。这些结果表明，工具引导的决策空间显著影响了CAD中的智能体执行和策略学习。

🔬 方法详解

问题定义：本文旨在解决CAD领域中智能体决策空间设计不足的问题，现有方法未能有效支持智能体的行为和学习过程。

核心思路：通过设计一个领域特定的工具DeciCAD，提供语义CAD动作和决策导向的观察，增强智能体的学习能力和执行效率。

技术框架：DeciCAD的整体架构包括数据采集、因果决策监督提取、监督微调（SFT）和几何基础的在线强化学习（RL）四个主要模块。

关键创新：DeciCAD的最大创新在于其领域特定的工具设计，能够有效引导智能体的决策空间，显著提升策略学习效果，与传统通用工具相比具有本质区别。

关键设计：在模型设计中，采用了针对CAD任务的损失函数和网络结构，优化了参数设置，以确保在不同CAD任务中的高效学习和执行。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

DeciCAD在四个CAD基准测试中取得了最佳F1和IoU成绩，F1从0.6883提升至0.7880，几何可用性从66.5%提升至73.5%。同时，相较于通用编码工具，模型输出令牌减少了45%至88%，显示出显著的性能提升。

🎯 应用场景

该研究的潜在应用领域包括建筑设计、机械工程和产品设计等CAD相关行业。通过优化智能体的决策和学习能力，DeciCAD能够提高设计效率，降低错误率，具有重要的实际价值和未来影响。

📄 摘要（原文）

Large Language Model agents operate through closed-loop action policies whose decision space is defined by an agent harness. We investigate how this operating space shapes agent behavior and policy learning in computer-aided design (CAD), a professional domain characterized by persistent state, geometric constraints, and long-horizon procedures. We instantiate this perspective in DeciCAD, a domain-native harness that exposes semantic CAD actions, decision-oriented observations, environment feedback, and persistent state transitions. Building on this harness, we develop a learning pipeline that extracts causal decision supervision from interaction trajectories and improves the policy through supervised fine-tuning (SFT) and geometry-grounded online reinforcement learning (RL). Across four CAD benchmarks, DeciCAD achieves the best F1 and intersection over union (IoU) while reducing model-output tokens by 45--88% relative to a general-purpose coding harness. Under matched supervision, its SFT policy improves F1 from 0.6883 to 0.7437 and outperforms the coding policy; subsequent online RL further raises geometry availability from 66.5% to 73.5% and F1 to 0.7880. These results demonstrate that the decision space induced by a harness materially affects both agent execution and policy learning in CAD.