跳转至

基于大语言模型程序合成的组合式机械设计

文章背景与核心概要

大语言模型（LLM）在程序合成领域表现出色，但其评估通常局限于符号或纯数字环境。本文引入了一种名为组合式机械设计（compositional machine design）的新型、具备物理落地特性的程序合成任务。在该任务中，机械由标准化的模块化部件组合而成，其成功与否通过模拟的物理行为来衡量。

为了对这一能力进行基准测试，作者提出了 BesiegeField，这是一个基于物理机械建造游戏《围攻》（Besiege）构建的测试平台。在各种生成工作流（单智能体、迭代编辑和分层结构）下，最先进的模型展现出了捕捉任务相关结构的能力，但它们在空间精度、机构规划以及将仿真反馈转化为有效的结构修改方面依然面临诸多挑战。此外，通过强化学习（RL）并利用仿真奖励对开源模型 Qwen2.5-14B 进行微调，证明了模型在固定的生成预算内能够实现显著的性能提升。

Paper Metadata / 论文元数据

  • arXiv ID: 2510.14980 [cs.AI]
  • Authors: Wenqian Zhang, Yangyi Huang, Weiyang Liu, Zhen Liu
  • Primary Subject: Artificial Intelligence (cs.AI)
  • Other Subjects: Computation and Language (cs.CL), Computer Vision (cs.CV), Graphics (cs.GR), Machine Learning (cs.LG)
  • Conference Status: Accepted at EMNLP 2026 Main Conference (75 pages, 31 figures)
  • Project Page: besiegefield.github.io
  • arXiv ID: 2510.14980 [cs.AI]
  • Authors: Wenqian Zhang, Yangyi Huang, Weiyang Liu, Zhen Liu
  • Primary Subject: Artificial Intelligence (cs.AI)
  • Other Subjects: Computation and Language (cs.CL), Computer Vision (cs.CV), Graphics (cs.GR), Machine Learning (cs.LG)
  • Conference Status: Accepted at EMNLP 2026 Main Conference (75 pages, 31 figures)
  • Project Page: besiegefield.github.io

Key Contributions / 核心贡献

  1. 新颖的任务建模： 将机械设计构建为受物理交互约束的程序合成任务，从而超越了纯抽象或仅代码的基准测试。
  2. BesiegeField 测试平台： 这是一个利用《围攻》（Besiege）的专业仿真与评估框架，LLM 智能体在此框架下将文本功能需求转化为可执行的机械程序，并接收状态反馈与奖励。
  3. 工作流基准测试： 评估了多种 LLM 智能体在单智能体生成、迭代调试/编辑以及分层流水线中的表现，突出了当前模型在空间组装和机械推理方面的局限性。
  4. 强化学习集成： 证明了通过仿真衍生的强化学习奖励对开源模型（特别是 Qwen2.5-14B）进行微调，能够在固定的生成约束下显著提升合成机械的质量。
  1. New Task Formulation: Frames machine design as program synthesis governed by physical interactions, moving beyond purely abstract or code-only benchmarks.
  2. BesiegeField Testbed: A specialized simulation and evaluation framework leveraging Besiege where LLM agents translate textual functional demands into executable machine programs, receiving state feedback and rewards.
  3. Workflow Benchmarking: Evaluates diverse LLM agents across single-agent generation, iterative debugging/editing, and hierarchical pipelines, highlighting current limitations in spatial assembly and mechanical reasoning.
  4. Reinforcement Learning Integration: Demonstrates that fine-tuning open-source models (specifically Qwen2.5-14B) with simulation-derived RL rewards significantly improves the quality of synthesized machines under fixed generation constraints.