Многие уже слышали про CADEvolve, вот мы наконец всё выложили! Проект стал возможен благодаря командам Пространственного интеллекта и Генеративного проектирования AIRI.

Идея родилась из боли: нужны были сложные данные для обучения модели реверс инжиринга, но реальными данными никто делиться не хочет. LLM что-то могут генерировать, но довольно простое, со сложной же геометрией возникают проблемы. На картинке то, что удалось синтезировать с помощью расширенного списка операций.

Когда данные были сгенерированы, оказалось, что на этих данных невозможно обучаться:
⚫️стиль кода сильно отличается от примера к примеру (разные идиомы, структуры, нейминг)
⚫️геометрия выходит в разных масштабах

Поэтому ключевым шагом стало приведение всего к стандарту: нормализация стиля CadQuery-кода и масштаба деталей. После этого на CADEvolve уже реально получилось учить модели.

Что важно по выводам:
⚫️SFT в таком сетапе даёт прогресс, но он оказался неубедительным, модель всё ещё часто ошибается
⚫️Зато RL даёт сильный прирост, в RL мы использовали как простые детали из Onshape и Fusion, так и промышленные детали

Выложили статью + код + датасет + модель. Будем рады апвоутам и звёздам 🙂

⚫️Paper🔝: https://huggingface.co/papers/2602.16317
⚫️GitHub: https://github.com/zhemdi/CADEvolve
⚫️Dataset: https://huggingface.co/datasets/kulibinai/cadevolve
⚫️Model: https://huggingface.co/kulibinai/cadevolve-rl1