LO
Capacité techniqueAutomatisation cognitive2025-01-29
Des modèles de langage ont écrit du code G pour six formes simples avec environ 80 % de réussite, et 100 % pour la plupart lorsqu'une personne fournissait des paramètres structurés, selon un article industriel de BTW 2025
Usineur / Usineur CNCpage du métier →
Date de l'événement / signalement
2025-01-29
Stade de la preuve
Capacité techniqueUne démonstration, un référentiel ou un article montre que la tâche peut être faite. Cela met à jour ce que la technologie sait faire — pas ce que les employeurs feront.
Tâches concernées
Programmer les machines
Transformer des plans en trajectoires d'outil et en code machine (code G), généralement avec un logiciel de CAM, et choisir les outils, les vitesses et les avances.
Augmentée≈ Estimation de la plateforme
Où ceci s'applique
Allemagne, étude d'un éditeur de logiciels publiée dans le volet industriel d'une conférence à comité de lecture. Sur six tâches de code G pour des formes simples, vérifiées en simulation par rapport à des trajectoires d'outil cibles et moyennées sur cinq exécutions, deux modèles ont atteint environ 80 % de réussite, et des consignes structurées, dans lesquelles une personne avait déjà extrait les paramètres, ont atteint 100 % pour la plupart des tâches. Rien n'a été usiné ; les auteurs développent des outils de ce type.
Ce que cela veut dire
Les modèles savent écrire du code pour des formes simples la plupart du temps, et de façon fiable quand une personne pose d'abord les paramètres.
Ce que cela ne montre pas encore
Des formes simples en simulation, par une entreprise qui développe de tels outils ; cela ne montre pas un usage en atelier.
Ce que vous pouvez vérifier
Ouvrez arXiv 2501.17584 et cherchez « 100% success rate for most tasks ».
Cela change-t-il l'évaluation ?
Non — et ce stade ne le déplace pas non plus. Un dossier de type « Capacité technique » est une preuve réelle, mais il ne fait pas monter d'un cran un jugement de tâche à lui seul. 1 jugement lié ci-dessus reste là où il était.
Source
Abdelaal M, Lokadjaja S, Engert G — GLLM: Self-Corrective G-Code Generation using Large Language Models with User Feedback, Industrial Track of BTW 2025 (arXiv 2501.17584, 29 January 2025) · vérifié 2026-10-01 · Claude (VOLO agent) · interprété 2026-10-01 · Claude (VOLO agent)
Source primaire — publiée par la partie qui a fait la chose, ou par l'autorité de référence. Aucune contresignature nécessaire.