LLM научили «читать чертёжные задания»: ИИ-генерация 3D-моделей стала предсказуемее

Исследователи из Университета Карнеги — Меллона проверили кое-что, о чём давно догадывались. Обучив небольшую языковую модель Qwen2.5-Coder-1.5B генерировать CadQuery-скрипты (это программный код для построения 3D-тел в CAD), они добавили к заданию короткий заголовок — так называемый «design-intent header»: пять параметров будущей детали (например, число отверстий или тип фаски). Оказалось, что модель почти всегда следует этим указаниям — если её донастроили методом LoRA (это способ дешёвого обучения большой модели: не переучиваем всё, а «подкручиваем» небольшой блок весов).

И всё бы ничего, но раньше никто не проверял, действительно ли ИИ читает заголовок, а не просто повторяет статистические паттерны. Для контроля они ввели «каузальный тест»: давали модели задание, где в заголовке написано одно, а в теле программы — другое. И модель выбирала заголовок. То есть модель на самом деле понимает, о чём её просят, — не просто запомнила сочетания слов. На практике это значит, что архитектор может в будущем задавать ИИ параметры на естественном языке («сделай балку с тремя рёбрами жёсткости»), и модель будет их точно соблюдать.

Есть и слабое место: модель пока крошечная (1,5 млрд параметров — это как студент-первокурсник среди GPT), и генерация идёт через B-rep (Boundary Representation — описание тела через грани и рёбра, а не через привычный архитектору «историю построений» в Revit). Поэтому до реального проектирования — годы. Но сам принцип «контролируемой генерации» рабочий.