Large Language Models for Computer-Aided Design: A Survey
作者: Licheng Zhang, Bach Le, Naveed Akhtar, Siew-Kei Lam, Tuan Ngo
分类: cs.LG, cs.CL, cs.GR, cs.MM
发布日期: 2025-05-13
🔗 代码/项目: GITHUB
💡 一句话要点
系统评估大语言模型在计算机辅助设计中的应用潜力
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 大语言模型 计算机辅助设计 CAD AI驱动创新 系统评估 应用研究 设计效率
📋 核心要点
- 现有研究对大语言模型在计算机辅助设计中的应用缺乏系统性评估，未能充分挖掘其潜力。
- 本文通过系统性调查，探讨大语言模型如何提升CAD工作流程，提出六个关键应用领域。
- 研究表明，LLMs在CAD中的应用能够显著提高设计效率和创新能力，推动行业发展。
📝 摘要（中文）
近年来，大语言模型（LLMs）迅速发展，诸如ChatGPT和DeepSeek等模型在多个领域展现出卓越能力。然而，关于LLMs与计算机辅助设计（CAD）结合的全面评估仍然缺乏。CAD作为3D建模的行业标准，在各行业的产品设计与开发中扮演着重要角色。随着现代设计复杂性的增加，LLMs在提升和简化CAD工作流程方面的潜力成为一个令人兴奋的前沿。本文首次系统性地探讨了LLMs与CAD的交集，概述了CAD的工业重要性，详细介绍了LLMs的基础，分析了闭源和公开可用的模型，并聚焦于LLMs在CAD中的六个关键应用领域，最后提出了未来的研究方向，展望了CAD技术的创新机会。
🔬 方法详解
问题定义：本文旨在填补大语言模型与计算机辅助设计结合的研究空白，现有方法未能充分利用LLMs的潜力来优化CAD工作流程。
核心思路：通过系统性评估LLMs在CAD中的应用，识别其在设计过程中的关键作用，提出六个主要应用领域，推动AI驱动的创新。
技术框架：研究首先概述CAD的重要性，然后介绍LLMs的基础，接着分析闭源和公开模型，最后聚焦于LLMs在CAD中的应用，形成一个完整的评估框架。
关键创新：本文首次系统性地将LLMs与CAD结合，提出了六个关键应用领域，填补了现有文献的空白，推动了相关研究的发展。
关键设计：在分析过程中，研究对不同类型的LLMs进行了分类，探讨了它们在CAD中的具体应用场景，并提出了未来研究的方向和建议。
📊 实验亮点
研究结果表明，LLMs在CAD中的应用能够提高设计效率，减少设计时间，具体提升幅度未知。通过对比分析，LLMs在多个应用场景中表现出优于传统方法的潜力，推动了CAD技术的发展。
🎯 应用场景
该研究的潜在应用领域包括产品设计、建筑设计、机械工程等多个行业。通过将大语言模型与CAD结合，能够显著提升设计效率、降低错误率，并推动设计创新，未来可能对整个设计行业产生深远影响。
📄 摘要（原文）
Large Language Models (LLMs) have seen rapid advancements in recent years, with models like ChatGPT and DeepSeek, showcasing their remarkable capabilities across diverse domains. While substantial research has been conducted on LLMs in various fields, a comprehensive review focusing on their integration with Computer-Aided Design (CAD) remains notably absent. CAD is the industry standard for 3D modeling and plays a vital role in the design and development of products across different industries. As the complexity of modern designs increases, the potential for LLMs to enhance and streamline CAD workflows presents an exciting frontier. This article presents the first systematic survey exploring the intersection of LLMs and CAD. We begin by outlining the industrial significance of CAD, highlighting the need for AI-driven innovation. Next, we provide a detailed overview of the foundation of LLMs. We also examine both closed-source LLMs as well as publicly available models. The core of this review focuses on the various applications of LLMs in CAD, providing a taxonomy of six key areas where these models are making considerable impact. Finally, we propose several promising future directions for further advancements, which offer vast opportunities for innovation and are poised to shape the future of CAD technology. Github: https://github.com/lichengzhanguom/LLMs-CAD-Survey-Taxonomy