자연어 사양에서 기계 부품 CAD를 자동 생성하는 파운데이션 모델 실증 연구다. 97개 공학 설계 문제 벤치마크와 통합 평가 파이프라인 위에서, JSON 스키마 검증, 해석적 특징 채점, 메시 합성, 다회 반복 개선을 통합한 LLMForge 프레임워크를 제안한다. 비평 방식은 두 가지로, IterTracer는 레이트레이싱 렌더와 해석적 시각 지표(실루엣 IoU 등)를, IterVision은 Qwen2.5-VL-72B를 시맨틱 비평가로 쓴다. DeepSeek-V3.2, Qwen3-235B 등 7개 모델 평가에서 상위 4개가 평균 0.885~0.890의 근접 클러스터를 형성하고 메시 성공률 98.97%를 기록해, 소형 인스트럭션 튜닝 모델도 대형 시스템에 필적함을 보였다. VLM 비평은 선두 모델에서 100% 방수(watertight) 메시를 달성했지만 원통 같은 회전 대칭 형상에서 체계적 약점이 드러났다.

• •97개 공학 설계 문제 벤치마크에서 7개 파운데이션 모델의 text-to-CAD 성능 평가
• •JSON 스키마 검증·메시 합성·반복 개선을 통합한 LLMForge 프레임워크 제안
• •해석적 시각 지표(IterTracer)와 VLM 비평가(IterVision) 두 가지 비평 체제 비교
• •상위 4개 모델이 0.885~0.890 근접 클러스터, 메시 성공률 98.97% — 소형 모델도 대형에 필적
• •VLM 비평으로 100% watertight 메시 달성, 회전 대칭 형상에서는 체계적 난점 확인