看懂材料如何分布，结构如何关联
给定完整或部分几何，模型能够回答：哪里有材料；哪些边界构成同一结构；远处连接如何影响局部含义；缺失区域有哪些合理补全；一次操作会改变哪里。
面对歧义，保留多个候选及其成立条件。对于功能含义，接受必要的装配、工况、规范或用户目标作为条件。
研究主线 / 空间几何理解模型
One spatial core · Many geometric tasks
让模型理解
三维几何世界
从材料与空域，到关系、结构与变化。建立可迁移的空间表征，使模型能够观察、关联、推断，并对几何变化提出可检验的判断。
空间模型是核心资产B-Rep 与连续空间对齐能力靠独立实验验证
4.21 M当前原型参数量
1,993有效合成几何 / 请求 2,000
3 seeds完整与局部对照的训练种子
P0 / P1起步阶段，无完成百分比
01
我们要建立什么
长期目标是一套能从几何观测中学习空间规律、并被不同任务复用的模型与数据资产。
可迁移的空间表征与可积累的监督
共享面、边及全局上下文记忆；用点场、关系、结构集合与变化任务约束其内容。新任务通过小型任务头或适配器使用这些知识。
沉淀的不只是一份权重，还包括合法观测、几何身份、数据划分、标注协议、能力基准及失败记录。
模型负责学习
结构解释、上下文关联、缺失推断、变化预测、跨任务迁移。模型输出需要置信度与适用范围。
内核提供精确事实
几何求值、距离、求交、布尔与真实构造。内核标签是监督来源；工具增强推理须记录调用贡献。
应用检验实际价值
局部解释、编辑与重建、三维标注、出图关联、设计优化等。每项任务有自己的输入条件和验收。
02
空间能力的五个层级
C1—C5 是本文用于持续跟踪的能力编号。C5 横跨其他层级；各层可以并行训练，不是五个串行模型。
实验已验证仅限已说明范围部分实现能力证据不足待实现 / 待验证方案或下一步
| 层级 | 具体能力与例子 | 独立验收方式 | 当前状态 |
|---|---|---|---|
| C1 · 空间表征 | 材料内外、边界距离、最近几何；任意截面形状与射线材料段。 | 按零件统计内外召回、边界误差；薄壁/小孔漏检；射线漏层率与交点误差。 | 部分实现 三个点查询输出已训练；截面目前按采样点评估，尚未验收孔洞/组件；射线未测。 |
| C2 · 关系与结构 | 平行/同轴等支撑关系；有限区域的壁厚、空腔、连通性；点选后的特征组与支撑组。 | 局部几何相似而整体答案不同的对照；跨母体关系与面组测试。 | 待实现 / 待验证 网络有上下文通路；尚无关系头、点选结构头和直接评测。 |
| C3 · 补全与假设 | 隐藏一处几何后补什么；移去孔/圆角时母体可能怎样；哪些信息不足以唯一决定答案。 | 严格区分合法边界条件与答案泄漏；隐藏区几何误差、多解覆盖、不确定性校准。 | 待实现 / 待验证 尚无遮挡任务、补全输出或前态候选。 |
| C4 · 几何变化 | 孔加深会穿透哪里；操作影响哪些材料和边界；先切后加与先加后切有何不同。 | 冻结前后状态与已知干预；材料差、影响区域、连接变化和真实执行核验。 | 待实现 / 待验证 合成器会执行操作；模型还没有学习操作条件下的变化。 |
| C5 · 稳健与迁移 | 换姿态、面编号、接缝或导出器后判断一致；少量标注即可适配新的几何任务。 | 同件变换配对；跨来源留出；冻结编码器小头与随机初始化对照；标注数量曲线。 | 有初步留出 已有合成签名留出与随机姿态；配对一致性、真实件及任务迁移未测。 |
交互示意 · 什么问题需要整体理解
同样的孔口，远处几何改变了答案
切换剖面示意，观察孔口附近保持相似时，底部或侧面连接怎样改变材料与空域关系。
底部仍有材料
孔口与孔壁提供局部证据。判断“盲止”还要关联底面，并确认其后存在材料；沿轴线向下会进入孔底实体。
能力问题：模型能否找到底面、判断剩余壁厚，并预测继续加深后的穿透？
此交互是人工绘制的说明图，不调用模型，不计入实验成绩。
03
一个空间核心，分工清楚的模块
下图表示目标架构。模块编号用于长期追踪职责，不要求拆成八个服务；当前连通范围见每张卡片。
合法观测 → 模型输入 ｜ 监督 → 训练目标
M04 · 共享空间编码器局部几何 + 有向边拓扑 + 全局上下文 → 可寻址空间记忆
M05 · 按问题读取同一份空间记忆
通用 AI 可协助理解、规划和调用工具；其现场判断与模型权重能力分别归因。冻结测试样本不进入训练反馈。
M01 / DATA部分实现
几何数据与已知干预
将几何来源、构造程序及真实执行变成可复用训练样本，按空间关系组织课程。
- 已有
- 64 个设计用例；5 类基体、8 类操作的随机组合；随机姿态；STEP 导出与回读；失败清单。
- 缺口
- 逐步前后状态与面对应、实际材料差、无效尝试事件；真实母体干预；明确关系对照与更广曲面来源。
实现位置与输出
synth.py、build_worker.py、run_build.py。输出源几何、程序 JSON、观测、监督和 manifest；当前只为终态提取张量及点场标签。
M02 / OBSERVATION部分实现
合法观测与几何身份
把精确 B-Rep 转成模型可用张量，并明确每个可选对象属于哪一版几何。
- 已有
- 面/边采样、属性掩码、coedge 连接、中心与尺度；单实体、有效性、封闭性与资源上限检查。
- 缺口
- 统一 entity registry、显示网格拾取映射、跨重导入对应；设计中更完整的解析支撑参数与环合同。
实现位置与输出
observation.py、observation_dims.py。schema 为 spatial_obs_v0；当前面/边属性维度为 18/11。
M03 / SUPERVISION点场监督已运行
自动 / 人工标注与任务编译
把测量事实、结构含义、功能条件和候选假设编译成合法输入 X、目标 Y、有效掩码 M。
- 已有
- 内核内外、边界距离与最近几何支持标签；独立观测/监督目录；按任务池加载与掩码损失。
- 缺口
- 结构/关系/变化标签与生产 TaskSpec 编译器；人工标注复核、版本与发布；缺失标签和候选的统一语义。
实现位置与输出
labels.py、data.py、metrics.py。v3 的标注协议与演示描述属于设计依据；本次所查目录没有相应生产平台。
M04 / SPATIAL CORE骨干已训练
共享空间编码器
用局部几何、拓扑连接和远处上下文形成可寻址记忆，为各种空间问题提供共同表示。
- 已有
- 面 CNN、边 CNN、2 个 coedge 消息块、2 层面全局注意力；d=192；输出面/边记忆。
- 缺口
- 编码器自身的迁移能力、关系推断和表示一致性证据；设计中的独立全局摘要 token 尚未实现。
实现位置与输出
model.py:SpatialBRepS.encode。首版从零训练；未接入外部预训练编码器。输入完整不等于有限采样和池化后信息完整。
M05 / GEOMETRIC REASONING仅点查询已运行
空间查询、关系与变化头
按点、几何对、选区或操作条件查询共享记忆，输出数值、集合或多种几何假设。
- 已有
- 占据概率、截断 SDF、最近面分布；两层查询交叉注意力；观测距离偏置和 k=8 局部采样特征。
- 缺口
- 关系、点选分组、补全、变化与动作输出；射线材料段；置信度校准和多解输出。
实现位置与输出
model.py:query、local_features。查询仍读取原始观测采样；当前成绩不能单独证明编码器记忆的可迁移性。
M06 / TRANSFER待实现
任务适配与应用接口
用任务条件与少量标注，在共享空间核心上适配结构标注、编辑、重建、配合关系和出图关联。
- 已有
- 文档定义了冻结编码器 → 任务头 → 局部解冻的实验方式，以及合法任务输入。
- 缺口
- 实际任务头、适配训练、少标签曲线；2D 入口；局部前态探针与程序输出接口。
接入原则
空间模型是主线。程序解码器、通用 LLM 及外部编码器均按实际瓶颈做对照；不预设必须扩大参数量。
M07 / EXACT GEOMETRY已有工具资产
精确测量与 CAD 执行
提供可信测量、真实几何变化和可重放执行，支撑标签生产与应用验收。
- 已有
- 当前数据管线调用 FreeCAD/OCC；仓库另有测量、直接构造、导出、重放及验收工具。
- 缺口
- SpatialBRep 预测 → 恢复/操作 → 独立验收尚未接通；历史工具成功不能计为本模型成功。
工具边界
docs/AI_TOOLBOX.md、config/reconstruction_modules.json。测量是事实、预测是候选、执行是过程、Judge 是判定；分别留证据。
M08 / EVALUATION点场基准已运行
独立能力评测与版本发布
让每次迭代回答一个可证伪问题，并保存数据、配置、权重、结果与失败。
- 已有
- 合成签名划分；按零件汇总；非学习基线；三种子完整/局部消融；测试集与误差分析；代码快照。
- 缺口
- 来源/母体/近重复隔离；C2—C5 基准；参数对齐消融；更完整的训练恢复状态与输入合同校验。
实现位置与输出
splits.py、train.py、metrics.py、analyze.py。当前 checkpoint 仅保存模型/config/step，尚不支持完整优化器、调度器及 RNG 恢复。
04
核心模型：输入、网络、输出与训练
逐项核对 model.py、observation.py、data.py、labels.py、metrics.py、train.py 与 full/meta.json。以下运行规格对应 2026-09-24 的 full 实验；本节于 2026-09-25 补充核验。
核心基模是 SpatialBRep-S。当前实现是从随机初始化联合训练的几何神经网络，由面/边 CNN 编码器 → coedge 拓扑消息传递 → 面 token 全局 Transformer → 点查询交叉注意力 → 三个预测头组成。full 实验有 4,209,391 个可训练参数。
它学习以 B-Rep 观测为条件的连续空间场：给定一个零件和空间坐标，判断材料内外、与边界的距离、距离由哪些面支持。共享空间记忆是未来多任务基模的候选基础；关系、补全与变化能力还需独立训练和检验。
04.1 一个模型究竟接收什么、回答什么
M = Encoderθ(O)
(a, t̂, z) = Queryθ(M, O, x′)O：输入零件的几何/拓扑观测；M：面、边记忆；x′：归一化查询坐标；a：占据 logit；t̂：截断距离；z：最近面 logits。
(a, t̂, z) = Queryθ(M, O, x′)O：输入零件的几何/拓扑观测；M：面、边记忆；x′：归一化查询坐标；a：占据 logit；t̂：截断距离；z：最近面 logits。
当前任务的输入条件
已有一个完整、有效、闭合的单实体 B-Rep，先提取数值观测；再提供任意查询点。输入上限为 512 面、1,536 边。STEP 是几何交换入口，网络实际读入的是张量。
当前入口没有图像、2D 图纸、自然语言或缺失几何的编码路径。这些输入需要后续观测适配器及对应监督。
训练目标与长期目标的关系
用可计算的材料空间问题训练共享表示：模型须把边界观测转为对空间内部和外部的判断。
目前采用完整几何做空间场学习。仅凭这个任务的成绩，还不能认定模型已具备缺失补全、全局结构语义或可迁移的空间理解。
术语约定：B 是批内零件数；F / E / C 是一件的面、边、coedge 数；Q 是查询点数；Fmax / Emax 是批内最大数。每个 coedge 表示某条边在一个面的边界环中的有向使用。
04.2 输入：几何观测 O ＋查询点 x′
c = 包围盒中心；L = 包围盒对角线长度 / 2
x′ = (x − c) / L；τ = 0.05；距离截断带宽 = τLx 和 L 的原始单位为 mm。坐标与长度属性按 L 归一化，面积按 L²；法向、切向为单位向量。τ 本身无量纲。
x′ = (x − c) / L；τ = 0.05；距离截断带宽 = τLx 和 L 的原始单位为 mm。坐标与长度属性按 L 归一化，面积按 L²；法向、切向为单位向量。τ 本身无量纲。
| 张量 | 形状 | 内容 / 使用方式 |
|---|---|---|
| face_grid | F × 10 × 10 × 7 | 每面 UV 网格：xyz′ 三维坐标、外法向三维、trim_mask 一维。trim_mask 表示是否在裁剪面域内。 |
| face_valid | F × 10 × 10 | 曲面求值/法向数值有效性。与 trim_mask 一起控制池化；编码器额外拼接 valid，实际卷积输入 8 通道。 |
| face_attr + mask | 各 F × 18 | 7 类曲面 one-hot，面积、主/次半径、锥半角、轴方向 xyz、环数、内环数、边数、裁剪覆盖率。mask 区分不适用/不可用属性。 |
| edge_grid + valid | E × 16 × 6；E × 16 | 每边 16 个点的 xyz′ 与单位切向；拼接 valid 后为 7 个卷积通道。 |
| edge_attr + mask | 各 E × 11 | 5 类曲线 one-hot，长度、弦长、闭合、退化、接缝、半径。 |
| coedge | C × 6 | next、prev、mate、所属 face、所属 edge、reversed。批处理重映射索引；无 mate 的项以自身索引参与消息传递。 |
| query | B × Q × 3 | 查询点 x′；训练时从固定监督点池抽取。空间坐标是合法输入，点的内外/距离答案单独放在 labels。 |
| 批处理辅助量 | 可变面/边展平＋padding | face_slot / edge_slot 把 token 放回批内槽位；face_mask / edge_mask 隔离填充项；query_mask 隔离填充查询。 |
模型不读取构造历史、操作类别、文件名、样本 ID 或监督标签。vertex_xyz / edge_vertices 虽已提取，但未进入当前 OBS_KEYS。scale 用于目标与误差的单位换算，没有作为绝对尺寸特征传入网络；center 用于预处理与坐标还原。
04.3 网络：从局部表面到可查询的空间记忆
面网格＋18 维属性2D CNN → 池化 → 每面 192 维
边采样＋11 维属性1D CNN → 池化 → 每边 192 维
有向边界 coedge面/边特征＋方向 → 192 维
↓ 2 个拓扑块：next / prev / mate 消息＋回聚合
共享几何编码器面 token 经 2 层全局 Transformer；边 token 保留拓扑更新后的记忆
↓ M = {面记忆 B×Fmax×192，边记忆 B×Emax×192}
查询坐标 x′6 组 Fourier 编码 → 39 维 → MLP
k=8 局部观测偏移、法向、平面距离＋所属面记忆
几何距离偏置到各面/边采样点的最小距离
↓ 2 层、6 heads 交叉注意力：查询读取全部有效面/边记忆
| 部件 | 实际运算 | 空间作用 |
|---|---|---|
| FaceEncoder / EdgeEncoder | 卷积通道分别 8→32→64→128、7→32→64→128；核宽 3。有效区域 mean/max 池化得到 256 维，再拼属性×mask 及 mask，经 MLP 输出 d=192。 | 把曲面形状、方向、裁剪和解析属性编码为面/边 token。 |
| TopoBlock × 2 | 初始 coedge 来自所属面/边与方向；每块注入面/边特征，拼接自身、next、prev、mate，经 MLP 残差更新；按归属均值聚合回面和边。 | 传播边界环与相邻面的连接信息。拓扑关系来自输入 B-Rep。 |
| 全局 Transformer × 2 | 仅面 token 做全局 self-attention；6 heads，FFN=768，GELU，pre-norm，dropout=0。面、边各有类型 embedding。 | 允许远距离面之间交换信息。当前没有 32 个全局摘要 token，也没有独立全局向量输出。 |
| 查询编码 | 拼 x′ 与 sin/cos(2ᵏπx′)，k=0…5，共 39 维，再映射到 192 维。 | 连续坐标被编码为查询向量，支持在给定点处预测。 |
| 局部观测通路 | 按距离选 8 个有效面采样点；拼相对偏移 3、法向 3、带符号切平面距离 1、距离 1，以及所属面记忆 192，共 200 维。MLP 后学习权重池化，再加到查询向量。 | 为近边界预测提供细节。直接读取原始观测，因此查询结果不只取决于压缩后的记忆。 |
| CrossBlock × 2 | Q 为查询向量，K/V 为面＋边记忆。每层每 head 的 bias = −softplus(α)·dmin/τ，叠加 padding 屏蔽；随后残差 FFN。 | 偏向几何上较近的 token，同时仍可访问远处 token。dmin 来自观测采样距离，未调用监督真值。 |
这里的查询层是 cross-attention，没有查询点之间的 self-attention。三维坐标、法向和轴向都直接入网；代码没有实现严格 SE(3) 等变结构。数据中的旋转不能替代等变性与旋转鲁棒性的专门验证。
04.4 输出：三种空间答案及其单位
| 输出 | 网络与解码 | 含义 / 限制 |
|---|---|---|
| occ_logit B × Q | LayerNorm 后经 MLP(d→d→1) 得 a；p = sigmoid(a)。当前评估用 a > 0 判为内部。 | p 表示材料内部概率。当前没有额外做概率校准。 |
| tsdf B × Q | 另一 MLP 后 tanh 得 t̂ ∈ [−1,1]；换算 d̂ = t̂·τL mm。 | 内部为负、外部为正。超过 0.05L 的距离目标被截断，输出不能表达更远处的真实距离。 |
| near_logit B × Q × Fmax | zf = (Wqq)·(WkMf)/√192；屏蔽 padding 面；softmax 得面分布。 | 表示当前输入中最近边界支持面的分布；是输入实体索引，不是“孔壁”等语义类别。评估用 argmax 检查是否命中任一合法支持面。 |
数值例子（说明单位，不是一次模型推理）：若 L=50 mm，截断带宽为 2.5 mm；某点真实 SDF 为 −1 mm，则目标 t=−0.4。预测 t̂=−0.3 相当于 −0.75 mm；若真实距离为 +10 mm，训练目标会截成 +1，解码只能得到带宽上限 +2.5 mm。
04.5 怎么训练：内核生成标签，神经网络学习预测
① 生成几何并隔离观测 / 监督
程序合成 → STEP 导出回读 → 验证单实体 → 提取 O。对查询点由 FreeCAD / OCCT 计算 isInside 与到边界面的距离；观测和监督分别保存。几何内核承担教师标签计算，梯度不穿过 CAD 内核。
② 每件预先生成固定点池
训练池 8,192 点：25% 包围盒周围均匀采样、40% 表面法向偏移、20% 边附近、15% 内部采样。内部拒绝采样不足时用均匀点补足，因此这些是采样器配比，不能当作最终内外类别比例。近边界偏移尺度包括 0.0005 / 0.002 / 0.01 / 0.03 倍 L。
③ 按几何签名划分零件
本次有效 1,993 件，训练 1,428 / 验证 274 / 测试 291。当前签名为基体种类与操作类型多重集；跨集合签名无交集，仍属于同一合成来源。标签池与零件划分不能互相替代。
④ 每一步抽样并联合更新
随机抽 4 件，每件从固定池无放回抽 2,048 点；一步共 8,192 查询。执行 encode → query → 三项 loss → backward → 梯度裁剪 → AdamW。所有编码器、拓扑块、注意力层和预测头一起训练；当前 full 训练没有冻结骨干或载入外部预训练权重。
⑤ 用验证集选权重，再报告测试集
每 1,000 steps 评估 uniform / stress / section 三种点池；各 4,096 点，其中 section 为 64×64 平面网格。stress 由 55% 边界附近＋45% 边附近构成。best.pt 按验证集 stress 的逐件平均 balanced accuracy 选取，测试集另行 eval-only，不参与反向传播。
| 项目 | 值 | 解释 |
|---|---|---|
| 初始化 / 参数规模 | 随机初始化 / 4,209,391 | 自定义 SpatialBRep-S；完整组与 local_only 组分别用种子 11、29、47。 |
| 步数 / batch | 6,000 steps / 4 件 × 2,048 点 | 按随机步训练；没有遍历式 epoch 循环，也没有每步重新生成 CAD 标签。 |
| 优化器 | AdamW；lr=3×10−4；weight_decay=0.01 | 全部可训练参数传给同一个优化器；梯度范数裁剪阈值 1.0。 |
| 学习率 | 180 步 warmup × cosine | lr(s)=3e−4·min(1,(s+1)/180)·[1+cos(π·min(s,6000)/6000)]/2；s 为调度器步索引。 |
| 网络参数 | d=192；heads=6；topo/global/query=2/2/2 | Fourier=6；local_k=8；geo_bias=true；τ=0.05；dropout=0。 |
| 设备 / 保存 | Mac MPS；best.pt 与 last.pt | 检查点包含 model / config / step；未保存优化器、调度器和 RNG 状态，完整续训尚待补齐。 |
Config 与 CLI 的 local_k 默认值为 0，steps 默认 3,000；上表来自已运行 full/meta.json 的显式配置（local_k=8、steps=6,000），不能仅按代码默认值复现实验。
04.6 损失函数：占据＋距离＋最近支持面
定义 meanm(u)=Σ(m·u)/max(Σm,1)。每项只对自己的有效点求平均；当前训练在整批有效查询上平均，评估则先按零件计算、再对零件平均。
ℒ = ℒocc + 1.0·ℒsdf + 0.2·ℒnear来自 metrics.py:loss_fn 的实际默认权重；train.py 未覆盖这些权重。
占据损失
ℒocc = meanm_occ[−y·ln p − (1−y)·ln(1−p)]
y=1 表示内部，0 表示外部；代码用 binary_cross_entropy_with_logits 直接处理 a，避免先 sigmoid 的数值问题。
m_occ = query_mask ∧ occ_valid。距边界小于 10−4L 的点不参与占据损失，以避开表面“内/外”的歧义。没有额外类别权重或 focal loss。
截断 SDF 损失
t = clip(sdf_mm / (τL), −1, 1)
e = t̂ − t
ℒsdf = meanm_dist[Huber0.1(e)]
e = t̂ − t
ℒsdf = meanm_dist[Huber0.1(e)]
Huber(e)=0.5e²（|e|≤0.1）；否则为 0.1·(|e|−0.05)。这里使用 PyTorch Huber 定义，δ=0.1。
m_dist = query_mask ∧ dist_valid。包含带外的饱和目标，不只计算近边界点。δ 的物理对应尺度为 0.005L。
最近面集合损失
Pf = softmax(z)f
ℒnear = meanm_band[−ln Σf∈SPf]
ℒnear = meanm_band[−ln Σf∈SPf]
S 是内核返回的最近支持面集合：在边或顶点上，展开其相邻面；当前最多保留 4 个面索引。
m_band = query_mask ∧ dist_valid ∧ (|sdf_mm|<τL) ∧ S 非空。优化落在合法集合内的总概率；没有要求等距面平均分配概率。
单点计算例子：沿用上例，假设该点三项 mask 均有效，p=0.8、y=1、t̂=−0.3、t=−0.4、合法支持面概率之和=0.7，则 ℒ_occ≈0.22314，ℒ_sdf=0.005，ℒ_near≈0.35667，总损失约 0.29948。这是教学算例，真实训练日志按批内各自有效点数归一化。
内核距离查询失败会把距离/占据有效位清零；找不到支持面时 dist_valid=0。mask 使未知或失败标签不被当成负样本。数值 1 : 1 : 0.2 是系数，不代表三项实际梯度贡献比例。AdamW 的权重衰减在优化器步骤中执行，没有作为上述 total 的额外一项输出。
目前没有 occupancy/SDF 符号一致性约束、Eikonal 梯度约束、对比学习、关系/补全/编辑损失或语言建模损失。两套独立预测头可能给出不一致答案；这是后续可以单独测量和改进的点。最近支持集合最多 4 个的截断也应在复杂边界上验证。
04.7 推理如何使用，未来任务如何复用
当前推理合同
- 合法 B-Rep → 与训练一致的观测张量 O。
- 加载检查点中的 config 和 model 权重。
memory = model.encode(batch)编码一次。- 把空间查询按 (x−c)/L 归一化，再调用
model.query(batch, memory, x)。 - sigmoid / 距离换算 / 面索引映射，得到点查询结果。
推理所需的是观测、查询与权重；模型前向不调用标签内核。当前 forward 每次都会 encode；拆出的 encode/query 接口允许对同一几何复用 memory，但生产查询分块和缓存生命周期仍需实现。
后续基模扩展合同 设计目标
保留共享空间编码器，增加对应任务的查询与输出头：
- 几何对查询 → 共轴、支撑、薄壁/连通等关系。
- 选点/选面查询 → 结构归属与相关面集合。
- 部分观测 → 多个合法完整几何假设。
- 操作与参数条件 → 材料变化、前后态及影响范围。
每种能力都需要输入合同、可验证标签、掩码和任务损失。先冻结编码器训练小头并做从零训练对照，才能检验共享记忆是否带来迁移收益。
04.8 这套训练现在能说明什么
已有直接监督：材料内外、到边界的截断距离、近边界的支持面归属。拓扑消息传递和全局注意力为利用远处几何提供了网络通路。
仍缺直接证据：模型是否形成可复用的“孔/腔/薄壁”结构表征，是否理解空域连通、能否预测编辑引起的变化，以及对缺失几何、多来源真实零件的迁移。点场预测可以为这些任务提供基础；最终仍需对应监督与独立测验。
当前 full 同时使用局部原始采样、全局面记忆和拓扑信息。已有消融显示完整组更好，但“记忆学到了什么”还应通过参数量匹配、输入扰动、困难几何对照和冻结编码器迁移来拆分验证。实验结果与证据边界 →
当前实现与长期规格对照
程序合成→STEP 导出 / 回读→观测 + 内核点标签→编码 / 点查询训练→留出评估
| 项目 | 当前实现 / 实测配置 | 设计目标或待补项 |
|---|---|---|
| 几何采样 | 面 F×10×10×7；边 E×16×6；数值有效与裁剪掩码。 | 验证小孔、薄壁、接缝与一般曲面覆盖；不把采样视作精确 B-Rep。 |
| 属性与拓扑 | 面属性 18 维、边属性 11 维；coedge 的 next/prev/mate/face/edge/reversed。 | v2 设计为 33/12 维；解析支撑位置等尚未齐备。顶点已提取，当前加载白名单未使用。 |
| 空间骨干 | d=192，6 heads，2 拓扑块，2 全局层；4,209,391 参数。 | 文档建议主规格 d=384、4/4 层及 32 全局摘要 token；当前采用 debug 规格，未据此宣称容量不足。 |
| 查询输出 | occ_logit、tsdf、near_logit；τ=0.05，截断带宽为 τL；L 为包围盒半对角线。 | 关系、分组、补全、反事实与变化头；截断距离不代表全域精确距离。 |
| 查询输入 | 编码后的面/边记忆 + 原始观测附近采样、法向与距离偏置。 | 需要检验知识能否迁移到其他任务；局部原始信息的使用本身是合法的。 |
| 训练 | Mac / MPS；AdamW 3e-4；6,000 steps；4 件×2,048 点；3% warmup + cosine。 | 当前首个实验不涉及 Qwen、外部几何权重或在线自学习。 |
| 运行合同 | 最多 512 面、1,536 边；超限拒绝；固定点池与分组 split。 | 设计中的 query chunk、schema/哈希强校验和完整训练断点恢复尚不完备。 |
05
让数据覆盖空间问题
独立几何、空间关系、受控干预和任务含义共同形成训练经验。查询点数不能代替独立结构数。
学习空间与边界
完整 B-Rep 可生成点场、截面、射线及适用关系监督。隐藏观测后训练补全；未知历史保持未知。
当前仅合成终态点标签学习作用与关系
在合成或真实母体上施加已知操作，保存 H、a、S 与变化区域。无须知道整个真实母体的原始建造历史。
需补成对状态与变化监督学习结构与用途
人工补充区域归属、结构角色、配合关系、偏好与约束。功能任务同时记录装配、工况和业务条件。
协议已有，生产接入待做| 集合 | 请求与实际结果 | 用途与边界 |
|---|---|---|
| 黄金 64 | 63 ok；1 rejected（加料后产生两个实体）。9 个解析体标签核对：最大距离误差 ≤1.8×10⁻⁵ mm，内外无误判。 | 检查实现与标签；全部标 train。没有将 63 件当作独立泛化测试；也不等于完成全部黄金断言。 |
| 随机 2,000 | 1,993 ok；6 error；1 rejected。错误含内核异常及 1 个采样概率异常。 | 5 类基体、8 类操作；单个生成器分布；失败保留分母。不是 2,000 个来源或工业零件族。 |
| 训练 / 验证 / 测试 | 1,428 / 274 / 291 件；731 / 153 / 148 个签名；跨集签名零重叠。 | 签名=基体种类+操作种类多重集合，不编码操作次序、依赖和完整关系图；尚无跨来源与几何近重复审计。 |
| 查询池 | 训练 8,192 点/件；评估均匀 4,096 点、边界压力 4,096 点、64×64 截面点。 | 训练和评估独立采样。压力池为 55% 边界附近 +45% 棱边附近；独立母体才是统计单位。 |
下一批样本要增加什么信息
- 同样的局部圆柱/平面，因远处出口、连接和包围关系不同而对应不同答案。
- 同一母体上孔深、位置、壁厚与先后操作的成对变化。
- 跨母体结构与真实几何上下文；薄壁、空腔、相交特征和更复杂边界。
标签合同要保留什么
- 前态、后态、实际动作、材料变化、失败类型和几何对应；失败尝试也要留记录。
- 一个面允许参与多个结构或操作解释；保留多对多与不确定对应。
- 观测与真值分离；未标注、未知、不适用、负例分别表示；严格缺失任务删除可泄漏答案的属性。
参考 GeoReverse 的干预数据与多对多历史设计，以及 v3 的 Observation / Annotation / TaskSpec 合同。[D1] [D3]
06
已经验证的进展，尚待回答的问题
本节数字来自已有训练产物，本次编写页面未重新训练。验证集与测试集分开；所有准确率均为点查询指标。
Validation · 压力池平衡准确率
三种子完整模型约 ±0.07 个百分点；仅局部约 ±0.16 个百分点。均来自同一冻结 split。
Interpretation · 可以支持的判断
点场学习有收益
在同一合成器的签名留出范围内，学习模型优于最近观测采样点＋法向基线。保留局部几何显著改善近边界判断。
完整模型相对“无拓扑/全局”约增加 1.75 个百分点；二者约 4.2M / 1.5M 参数，尚不能把差值全部归因于整体结构理解。
| 查询分布 | 完整模型 balanced accuracy | 非学习基线 balanced accuracy | 能说明的范围 |
|---|---|---|---|
| 均匀点 | 99.35% | 95.46% | 包围空间中的内外分类，须结合近边界专项看。 |
| 边界压力点 | 91.98% | 83.56% | 边界/棱边附近独立点的分类；0.01L 带内准确率 90.86%。 |
| 截面采样点 | 99.49% | 96.24% | 截面网格点分类，未独立统计小孔漏检、连通组件或轮廓误差。 |
压力池近边界 TSDF MAE/L ≈0.0015，最近面集合命中≈0.893。距离只在有效近边界带统计；这不是重建公差，也不是任意全域距离精度。
最关键的未证实项：共享记忆里是否沉淀了可迁移的空间知识？
当前查询会重新读取局部原始观测，因此高分可能同时来自局部几何利用与编码器学习。下一步需要控制输入、模型容量与训练数据，在关系、补全、变化和少标签任务上测量贡献。不能仅凭“用了图网络/注意力”认定已具备整体理解。
当前薄弱处
验证压力池中圆柱/阶梯轴基体约 0.877–0.906，盒体约 0.958；棱边附近错误率约 11%，面边界附近约 6.6%。应检查几何信息与标签，再判断是否扩大容量。
未运行的关键评测
射线材料段、结构关系、点选分组、补全与变化；姿态/编号配对一致性；跨来源真实 STEP、自由曲面；冻结编码器迁移与实际几何应用。
“仅局部”沿用实验名 local_only：它关闭拓扑块与全局编码层，但查询交叉注意力仍可读取面/边记忆，并非严格限定在局部邻域。结果来源 [E1]；文件哈希与精简原始指标可在文末下载。运行记录将 7 个未通过项统称为内核错误，本文按 manifest 修正为 6 error + 1 rejected，并保留采样异常。
07
后续迭代围绕能力推进
沿用文档 P0—P5 的阶段编号。近期优先补 C2—C4 的学习与验证，迁移探针并行；每次实验只回答清楚的问题。
P0
数据与标签的可信基础 已起步，尚未完整收口
已做：黄金集构建、解析标签核对、观测/监督分离。
接着补：薄壁、内腔、接缝、拒绝、重导入、姿态配对断言；源单位与标签异常审计。每个拒绝案例定义预期，不能用模型分数掩盖管线错误。
P1
让空间问题超出局部点判断 近期主线
已做：约 2,000 几何的点场学习、基线、三种子消融。
接着补：有限区域材料关系、点选结构与支撑组、条件几何恢复；射线与截面结构评测；局部相似/整体不同对照。
晋级证据：陌生关系组合上有效，近边界能力不明显退步，整体上下文增益在容量对齐后仍成立。
P2
证明表征可迁移 随 P1 布置探针
实验：固定数据与模型大小，比较随机初始化、冻结空间预训练编码器＋小头、局部解冻；至少覆盖结构/关系及一种补全或变化任务。
晋级证据：跨母体少标签曲线稳定改善，C5 一致性可接受；再按结构覆盖与标签成本考虑约 20,000 件规模。
P3
已知干预、反事实与局部前态 数据建设可并行
实验：真实母体＋已知新操作；预测材料变化、影响区域、连接变化与可行前态。保留空操作、失败及多解。
晋级证据：未知母体上的变化判断与真实循环改善；局部解释对应实际选区。前态任务是核心能力的一个应用探针。
P4
构造、编辑与工程任务 应用扩展
将空间表征用于局部编辑、程序组合和完整重建。需要时接程序解码器；由精确内核执行，独立检查几何、参数编辑、无源重放和 STEP 回读。
这些应用结果与空间能力成绩分表记录；工具或规划器改进不自动计作权重理解能力提升。
P5
多观测入口与更多任务 长期方向
接入 2D 视图、图纸或扫描等合法观测，通过空间问题与对应关系对齐共享核心。记录观测缺失、遮挡、单位和歧义。
功能面、配合、出图与优化任务按输入条件和标注成本接入；物理求解与设计目标另有明确接口。
这是持续迭代路线，不承诺各阶段训练步数、完成日期或成功率。扩大数据和模型规模应有当前瓶颈证据。[D2]
08
让一次标注成为长期资产
v3 的数据与标注设计服务于空间表征复用。先用少量几何贯通身份、标签、任务和训练，再扩大工作台功能。
对象身份与语义分层
标注绑定 case + geometry revision + registry hash + entity / occurrence。重导入改变了面划分，需新 registry 或核验过的对应表。
几何事实、构造历史、结构角色、功能用途、候选假设、偏好约束分开。一个面可有多个角色；局部 patch 不应强行扩成整面标签。
任务条件与训练边界
几何本身不一定决定“密封面”“入口”“检测基准”。TaskSpec 声明部署时可得的条件、监督含义、输出粒度、掩码与评价。
先冻结空间编码器训练小头，再按证据局部解冻或联合微调。比较达到任务门槛所需的独立标注母体数量与人工成本。
| 任务示例 | 合法输入 | 监督与输出 | 检验模型价值 |
|---|---|---|---|
| 点选结构理解 | 整件 B-Rep + 一个选点 | 相关面组、支撑组、关系与不确定项 | 单点击范围、跨母体结构分组 |
| 材料关系 | B-Rep + 几何对 / 空间查询 | 薄壁两侧、空腔、连接与材料区间 | 局部相似的困难对照 |
| 功能面选择 | B-Rep + 装配 / 工况 / 目标 | 多标签区域与业务条件 | 少标签迁移、漏关键区域 |
| 局部前态 | 后态 B-Rep + 点选 | 支撑集合、候选前态与动作 | 有效前态、真实正向循环、未选区保护 |
| 2D ↔ 3D | 视图元素与合法相机 / 尺度条件 | 跨视图多对多对应、遮挡与歧义 | 新观测与新来源测试 |
以上为目标任务，尚未在当前 SpatialBRep 原型上验证。v3 中的 schema、registry 与稀疏标签演示描述也不能等同于已上线标注平台。[D3]
09
其他文档留下了什么
按用途吸收已有讨论，以当前空间模型目标统一解释。较早文档中的配置建议、阶段数字与绝对判断不自动成为现行结论。
D0 · 最早的零件理解与合成数据讨论 目标来源
保留：零件理解、可编辑参数与可优化变量；操作序列只是监督之一；合成应保存完整监督链。
调整：7B/14B/32B 与硬件建议没有当前实测依据；中立 IR 是应用表达选择，不强制空间主干经过固定 Feature Graph 流水线。
AI_CAD_零件理解与合成数据系统完整讨论.html · 2026-08 历史讨论D1 · GeoReverse 局部逆构造方案 变化学习与应用协议
保留：H → a → S 的受控干预；后态＋点选任务的输入隔离；材料变化；多对多历史；多个合法前态；真实母体上施加已知操作。
调整：Qwen-1.5B 从主模型目标退到按需程序表达对照；局部逆构造作为空间核心的一项应用检验。
docs/new/模型设计与训练方案.md · GeoReverse v1.1 · 2026-09-22（同名 HTML 为阅读版）D2 · SpatialBRep v2 空间模型方案 核心设计依据
保留：共享面/边/全局记忆；材料空间、关系、补全和反事实；空间能力与应用两张成绩单；基模消融与分阶段训练。
当前解释：张量维度、网络层数、任务头和规模是设计目标。本文第 04 节列出实际实现差异。
docs/new/SpatialBRep_空间理解模型完整设计与训练方案.md · v2.0 · 2026-09-23（HTML 为阅读版）D3 · SpatialBRep v3 数据与标注扩展 统一设计依据
保留：Observation / Annotation / TaskSpec；几何身份；事实、历史、结构、功能、假设分层；人工标注；冻结编码器的小头迁移；数据发布与防泄漏。
当前边界：协议与演示描述属于设计资料；本次所查目录未提供完整生产编译器、工作台或任务迁移运行证据。
docs/new/SpatialBRep_空间模型与数据标注完整方案_v3.html · v3.0 · 2026-09-23D4 · 旧架构审核与工具职责文档 经验与可复用工具
保留：核对模型真实贡献；避免手写整件分支替代权重能力；特征交互与合成/真实分布差距；测量、预测、执行、验收分工。
不直接沿用：旧版本统计与当前状态；对自由曲面可构造性的绝对判断；把学习模型永久定位成小模型顾问。自由曲面理解与精确构造分别实验。
docs/architecture_review.md（2026-08-10）docs/AI_TOOLBOX.md · docs/RECONSTRUCTION_MODULES.md · docs/v161-tool-value-and-boundaries-2026-09-08.md
E1 · 本轮实际训练与数据证据 已有运行产物
黄金集和随机集 manifest；完整/局部三种子训练元数据、best_eval；seed 11 的独立 test；误差分析、运行记录与代码快照。本页数字由原始 JSON 核对。
runs/aicad_train/20260924T054916Z_spatial_brep_golden64/runs/aicad_train/20260924T060500Z_spatial_brep_geometry2000/
runs/aicad_train/20260924T075500Z_spatial_brep_train_g2000/
路径相对统一 CAD 数据集中的 aicad_train 目录，用于内部定位；本站不公开几何、标签或权重下载。
E2 · 当前实现 P0 / P1 原型
13 个 Python 文件：合成、提取、标签、构建、划分、加载、模型、训练、指标与分析。训练时基线 HEAD 为 1062150，SpatialBRep 代码当时未提交，另有冻结代码快照；HEAD 不能单独标识这批实验。
来源条目是本次阅读范围与文件定位，外部论文/权重效果未在本次复验。本站不把文档引用的外部成果归为本项目已实现能力。
10
让后续迭代可追踪、可比较
每次更新回到固定能力 C1—C5、模块 M01—M08 和阶段 P0—P5，避免文档越多，当前目标越模糊。
一次迭代保留七项记录
- 问题：要检验哪项空间能力，原失败是什么。
- 变更：改了哪个模块、数据或任务。
- 实验：冻结 split、预算、基线与对照。
- 归因：权重、观测、工具、助手分别做了什么。
- 结果：逐件指标、分母、失败与耗时。
- 边界：未知件、真实来源与未验证项。
- 决策：接纳、继续实验或保留负结果。
本页的更新规则
目标与模块职责保持稳定；每次实验更新状态、证据链接、数据/代码/权重标识和下一假设。保留旧结果及适用范围，不拼接不同版本的最好成绩。
“代码存在”“训练运行”“能力验证”“任务迁移”“工程交付”分别表述。空间分数提升而迁移无收益时，如实保留两项结论。
v1.1 · 2026-09-24：统一历史讨论、v1/v2/v3 设计与首个 SpatialBRep 实验；确立空间理解为主线，记录实现差异与待验证项。
v1.1 · 2026-09-25：补齐核心模型合同、输入输出张量、逐层结构、训练配方、三项损失及推理边界；沿用原实验，未重新训练。
证据索引与版本核对
页面内嵌精简实验 JSON 与源文件 SHA-256，便于保存这次快照。后续更新应重新核对原始产物；索引不替代真实模型重跑。
证据基线：2026-09-24 · P0 / P1 · 完整与局部三种子对照