IndustryForge-27B: A Domain-Enhanced Multimodal Foundation Model for Industrial CAD
IndustryForge-27B एक डोमेन-संवर्धित मल्टीमॉडल फाउंडेशन मॉडल है जिसे 52k औद्योगिक CAD नमूनों पर यूनिफाइड मल्टी-टास्क ट्रेनिंग के माध्यम से Qwen3.5-VL-27B पर बनाया गया है, जो अपने बेस मॉडल और क्लोज्ड-सोर्स GPT-5.4 दोनों से CAD-विशिष्ट बेंचमार्क पर काफी बेहतर प्रदर्शन करता है और साथ ही फुल-स्टैक औद्योगिक एजेंटों के लिए एक यूनिफाइड सबस्ट्रेटट के रूप में कार्य करने के लिए सामान्य क्षमताओं को बनाए रखता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक ऐसी दुनिया की कल्पना करें जहाँ कंप्यूटर बेहद प्रतिभाशाली, विद्वान पुस्तकालयाध्यक्षों (librarians) की तरह हैं जिन्होंने अब तक लिखी गई लगभग हर किताब पढ़ ली है। वे कविता लिख सकते हैं, गणित की समस्याओं को हल कर सकते हैं, और यहाँ तक कि साधारण वीडियो गेम के लिए कोड भी बना सकते हैं। लेकिन एक पेच है: इन पुस्तकालयाध्यक्षों ने कभी किसी कारखाने में कदम नहीं रखा है, कभी रिंच (wrench) नहीं पकड़ा है, और निश्चित रूप से उन्होंने कभी किसी जटिल इंजीनियरिंग ब्लूप्रिंट को नहीं देखा है। वे सामान्य ज्ञान में तो बहुत अच्छे हैं, लेकिन जब आप उनसे किसी विशिष्ट मशीन के पुर्जे को डिजाइन करने या एक विशाल औद्योगिक रोबोट को संचालित करने के बारे में पूछते हैं, तो वे भ्रमित होकर गलत जानकारी देने लगते हैं (hallucinate)। वे शब्दों में एक गियर का सटीक वर्णन तो कर सकते हैं, लेकिन उसका आकार गलत बता सकते हैं, या वे स्क्रीन पर ऐसे बटन "क्लिक" करने की कोशिश कर सकते हैं जो अस्तित्व में ही नहीं हैं, क्योंकि वे उस गुप्त भाषा को नहीं समझते जिसका उपयोग इंजीनियर अपने सॉफ़्टवेयर से बात करने के लिए करते हैं।
यही कंप्यूटर-एडेड डिज़ाइन (CAD) की चुनौती है। यह मिट्टी के बजाय कोड का उपयोग करके नन्हे स्क्रू से लेकर पूरे हवाई जहाज तक सब कुछ बनाने की डिजिटल कला और विज्ञान है। एक कंप्यूटर के लिए यहाँ वास्तव में उपयोगी होने के लिए, उसे एक साथ तीन कठिन काम करने होंगे: उसे एक 2D ड्राइंग को "देखना" होगा और उसके भीतर छिपी 3D आकृति को समझना होगा, उसे उस आकृति को बनाने के लिए सटीक कोड लिखना होगा, और उसे विशिष्ट औद्योगिक सॉफ़्टवेयर (जैसे SolidWorks या Inventor) से बात करना जानना होगा, जो COM नामक एक बहुत पुरानी और बहुत विशिष्ट भाषा का उपयोग करते हैं। अब तक, सर्वश्रेष्ठ सामान्य-उद्देश्य वाले AI मॉडल उन प्रतिभाशाली छात्रों की तरह थे जो व्यावसायिक परीक्षा (vocational exam) में फेल हो गए—वे सिद्धांत तो जानते थे लेकिन वे काम नहीं कर सके।
यहाँ IndustryForge-27B का आगमन होता है, जो शोधकर्ताओं द्वारा शंघाई और कई विश्वविद्यालयों द्वारा बनाया गया एक नए प्रकार का AI मॉडल है। इस मॉडल को एक तैयार रोबोट के रूप में नहीं, बल्कि एक "सुपर-अप्रेंटिस" (एक अत्यंत कुशल प्रशिक्षु) के रूप में देखें जिसे एक विशाल, विशेष प्रशिक्षण शिविर दिया गया है। शोधकर्ताओं ने एक शक्तिशाली, सामान्य-उद्देश्य वाले AI (जिसे Qwen3.5-VL-27B कहा जाता है) को लिया और उसे लगभग 52,000 औद्योगिक उदाहरणों के सावधानीपूर्वक क्यूरेट किए गए पुस्तकालय से प्रशिक्षित किया। इस लाइब्रेरी में ब्लूप्रिंट पढ़ने से लेकर एकल पुर्जों के लिए कोड लिखने, जटिल मशीनों को असेंबल करने और औद्योगिक सॉफ़्टवेयर को नियंत्रित करने तक सब कुछ शामिल था। परिणाम स्वरूप एक ऐसा मॉडल तैयार हुआ जिसने इंजीनियरिंग जगत के "गुप्त हैंडशेक" (secret handshake) को सीख लिया है।
पेपर बताता है कि यह विशेष प्रशिक्षण अविश्वसनीय रूप से प्रभावी रहा। जब चार विशिष्ट इंजीनियरिंग चुनौतियों पर परीक्षण किया गया, तो नया मॉडल केवल सुधरा ही नहीं, बल्कि काफी आगे निकल गया। यह एकल पुर्जों के लिए कोड लिखने के मामले में लगभग 7.8% के आधार स्कोर से बढ़कर 77.8% पर पहुँच गया, और इसने लगभग हर परीक्षण में एक शीर्ष-स्तरीय, क्लोज्ड-सोर्स प्रतिद्वंद्वी (gpt-5.4) को पूरी तरह से पछाड़ दिया। शायद सबसे प्रभावशाली बात यह है कि इसने असेंबली (कई पुर्जों को एक साथ जोड़ना) को संभालना सीख लिया—जिसमें अन्य मॉडल लगभग पूरी तरह विफल रहे थे (लगभग 0% स्कोर के साथ)। शोधकर्ताओं ने यह भी जांचा कि क्या इस गहन प्रशिक्षण ने उन्हें सामान्य चीजें जैसे गणित या समझ (comprehension) करने की क्षमता "भूलने" पर मजबूर कर दिया है। ऐसा नहीं हुआ; वास्तव में, मॉडल सामान्य कार्यों में थोड़ा बेहतर हो गया, जिससे यह सिद्ध हुआ कि मास्टर इंजीनियर बनने के सीखने से उसकी एक स्मार्ट असिस्टेंट होने की क्षमता कम नहीं हुई।
हालाँकि, पेपर अपेक्षाओं को लेकर सावधान है। IndustryForge-27B कोई जादुई बटन नहीं है जो रातों-रात एक नया iPhone डिजाइन कर देगा। यह एक फाउंडेशन (आधार) है, अन्य उपकरणों के निर्माण के लिए एक सामान्य शुरुआती बिंदु। यह कठिन समस्या को हल करता है कि "क्या AI ड्राइंग को पढ़ सकता है और कोड लिख सकता है?" ताकि अन्य सिस्टम अगले चरणों पर ध्यान केंद्रित कर सकें। हालाँकि यह एक बड़ी छलांग है, लेखक स्वीकार करते हैं कि अभी भी बहुत काम करना बाकी है, विशेष रूप से जटिल असेंबली और डिजाइन प्रक्रिया को भौतिक सिमुलेशन (physical simulation) से जोड़ने के मामले में। लेकिन पहली बार, हमारे पास एक डिजिटल प्रशिक्षु है जो वास्तव में फैक्ट्री फ्लोर की भाषा बोलता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।