随着工业数字化、元宇宙内容生产、数字孪生等赛道的快速发展，AI辅助设计、可编辑三维重建技术的落地需求持续攀升，但长期以来，全球CAD（计算机辅助设计）领域的AI算法评估缺乏统一基准，不同研究团队采用的数据集样本覆盖、模态支持、评估规则差异较大，导致技术成果横向对比难度高，一定程度上制约了相关技术的落地迭代。
麻省理工学院本次发布的CADBench，是全球首个覆盖多模态输入、多复杂度分层的CAD程序生成基准数据集，旨在为全行业的AI辅助设计技术研发提供统一的评估框架。该数据集于2026年5月12日首发于预印本平台arXiv，共包含18000个评估样本，覆盖从DeepCAD、Fusion 360、ABC、MCB和Objaverse等六个主流CAD基准家族衍生的数据，可支持清洁网格、噪声网格、单视图渲染、逼真渲染和多视图渲染共五种输入模态的算法验证，覆盖了现实场景中CAD模型采集的绝大多数输入形式。
为了保证评估结果的普适性，CADBench通过基于B-rep（边界表示）面数的复杂性分层机制，以及多样性感知采样规则构建样本库，确保样本在几何复杂性、对象类型变异度上具备广泛代表性，可适配不同应用场景下的算法评估需求。
据介绍，CADBench目前主要面向可编辑三维重建、多模态CAD理解两大核心领域开放使用，可用于诊断AI模型在几何复杂性提升时的性能衰减情况、面对模态偏移时的鲁棒性，以及解决不同度量标准下的模型排名差异问题。从落地场景来看，该数据集可支撑包括工业逆向建模、数字孪生模型自动化生成、文博文物可编辑数字化存档、智能设计工具研发等多方向的技术研发：在工业设计领域，研发团队可依托该数据集训练和评估“单图转CAD”相关算法，大幅降低工业零件复刻、产品迭代的设计成本；在数字孪生场景中，基于该数据集优化的三维重建算法可直接输出可编辑的参数化CAD模型，解决传统重建模型仅能显示无法二次修改的痛点；在元宇宙内容生产领域，多模态CAD理解算法可实现手绘、文字、语音等多输入形式到CAD模型的自动转换，大幅降低3D内容的生产门槛。
作为工业AI领域的核心基建之一，高质量基准数据集是支撑技术迭代、统一行业标准的核心载体，此次CADBench的发布，直接解决了困扰行业多年的CAD评估碎片化问题，为学界和工业界提供了统一的“评估标尺”，将有效加快AI辅助设计相关技术的落地节奏，对全球工业数字化转型、数据要素在工业研发领域的价值释放都具备积极意义。
Dataset card内容：
Files and versions内容：
_1769672084863.jpg)