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