IndustryForge-27B: A Domain-Enhanced Multimodal Foundation Model for Industrial CAD
IndustryForge-27B 是一个基于 Qwen3.5-VL-27B，通过在 5.2 万个工业 CAD 样本上进行统一多任务训练构建的领域增强型多模态基础模型，它在 CAD 特定基准测试中显著优于其基座模型及闭源的 GPT-5.4，同时保持了通用能力，能够作为全栈工业智能体的统一底层基座。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一个这样的世界：计算机就像是才华横溢、博学多才的图书管理员，读过几乎所有被写下的书籍。它们能写诗，能解数学题，甚至能为简单的视频游戏编写代码。但问题在于：这些图书管理员从未踏入过工厂，从未拿过扳手，也从未看过复杂的工程蓝图。它们精通通识知识，但当你要求它们设计一个特定的机器零件或告诉它们如何操作一台巨大的工业机器人时，它们就开始产生幻觉。它们可能会在文字上完美地描述一个齿轮，但尺寸却弄错了；或者它们可能会尝试去“点击”屏幕上并不存在的按钮，因为它们并不理解工程师用来与软件交流的那套秘密语言。
这就是**计算机辅助设计（CAD）**面临的挑战。它是利用代码而非黏土来构建从微小螺丝到整个飞机的数字艺术与科学。对于计算机而言，要在此领域真正发挥作用，必须同时完成三件棘手的任务：它必须“看懂”一张二维图纸并理解其中隐藏的三维形状，它必须编写出精确的代码来构建该形状，并且它必须知道如何使用一种被称为 COM 的非常古老且非常特定的语言来与特定的工业软件（如 SolidWorks 或 Inventor）进行对话。直到目前为止，最优秀的通用型人工智能模型都像是那些理论满分但职业考试不及格的优秀学生——它们懂得理论，却无法胜任实际工作。
于是有了 IndustryForge-27B，这是一种由来自上海及多所大学的研究人员开发的新型人工智能模型。请不要将这个模型视为一个已经能够造汽车的成品机器人，而应将其视为一名接受过大规模专业化训练的“超级学徒”。研究人员采用了一个强大的通用人工智能（称为 Qwen3.5-VL-27B），并为其喂养了一个经过精心策划的、包含约 52,000 个工业案例的图书馆。这个图书馆涵盖了从阅读蓝图到编写单个零件代码，再到组装复杂机器以及控制工业软件的所有内容。其结果是，该模型学会了工程界的“秘密握手”。
论文发现，这种专门化的训练效果极其出色。在针对四项特定工程挑战进行测试时，这个新模型不仅表现有所提升，更是实现了飞跃。它在编写单个零件代码方面的基础得分从约 7.8% 飙升至 77.8%，并且在几乎所有测试中都彻底击败了一款顶尖的闭源竞争对手（gpt-5.4）。或许最令人印象深刻的是，它学会了处理装配体（即将多个零件组合在一起）——而其他模型在这一项上的表现几乎完全失败（得分接近 0%）。研究人员还进行了检查，以确保这种高强度的训练不会让人工智能“忘记”如何做数学或阅读理解等常规任务。结果显示，它并没有受到影响；事实上，该模型在通用任务上的表现甚至略有提升，这证明了学习成为一名高级工程师并没有破坏其作为一名聪明助手的能力。
然而，论文在设定预期方面非常谨慎。IndustryForge-27B 并不是一个能在一夜之间设计出新款 iPhone 的魔术按钮。它是一个基础，是其他工具可以赖以构建的共同起点。它解决了“AI 是否能读懂图纸并编写代码”这一核心难题，从而让其他系统能够专注于后续步骤。虽然这是一个巨大的飞跃，但作者承认仍有大量工作要做，特别是在复杂的装配体以及将设计过程与物理模拟相结合方面。但对于第一次，我们拥有了一位真正能听懂工厂车间语言的数字学徒。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。