质检贯穿来料、在制与出厂全过程[1]，其交付物从来不是“合格／不合格”，而是一份能签署、能追溯、能被复用的报告。近一年的实证结论高度一致：模型判得出缺陷，不代表说得清缺陷。
01智能制造成效提升的关键因素？
▍成效不在单点智能，而在分层可控
面向智能制造的大模型参考架构把职责切成三层：语义推理层（解释情境、分解目标）、自适应协同控制层与独立保障执行层（经典控制器、运行时监控、动作约束），数字孪生为共享底座。关键约束是：语义层输出始终只是“提案”，须经接地与校验，其自然语言理由不应被假定忠实[2]。
▍上游机器可读性，决定下游自动化的天花板
报告自动化的可信起点因此必须是确定性工程数据。MBDConnect for Creo、MBDConnect for NX 与 FormatWorks 做的正是这一步：在各 CAD 平台把语义 PMI 导出为 QIF、STEP AP242 等中性格式，让下游拿到可解析、可追溯的输入。
02制作质量检测报告的痛点
▍检测与报告，长期是两张皮
工业检测既要精确定位又要结构化报告，实践中两者却分开处理，语言化解释始终留给人类专家[3]：检测器给出坐标框，报告要的是失效模式、严重度与工艺规程。
▍直接让通用大模型写报告，代价被低估
风电叶片检测对照实验中，零样本通用视觉语言模型基线的 BLEU-4 仅 0.07、幻觉率 65%、专家评分 3.3/10。根因之一是分辨率损失：视觉编码器把输入重采样到 336×336，同批图上专用检测器的小缺陷召回 0.852，GPT-4V 仅 0.22[3]。
▍“统一模型”在精度关键场景下的脆性
29 万余张无人机图像上训练的统一模型 InspectVLM，图像级分类准确率 75.9%（ResNet-50 为 66.7%），细粒度检测精确率／召回率却仅 16.5／19.8，远低于 Faster R-CNN 的 46.1／43.7；提示模板固定时，模型自第 4 轮训练起对所有任务一律回答“yes”，实质忽略图像输入[4]。
“把提示格式标准化——生产检测流水线的常规做法——可能无意中造就在验证集上准确、却在措辞或工况稍变时失效的脆弱模型。”
—— Wallace 等，InspectVLM[4]
03质量检测报告自动生成工具
▍解耦流水线：把“看”和“写”分开做对
检测器定位，确定性模块把检测框编码为空间令牌注入提示，领域微调小模型输出结构化 JSON 报告。三步消融[3]：
- 坐标注入（零训练成本）：空间幻觉率由 58% 降至 14%。
- QLoRA 领域微调：947 份领域报告微调的 15 亿参数模型，在 BLEU-4（0.36 对 0.19）、幻觉率（18% 对 29%）、专家分（7.4 对 5.9）上全面超过 6710 亿参数通用模型。
- 检索接地（RAFT）：幻觉率再降至 4%，工艺规程符合率由 41% 升至 89%；完整系统专家分 8.6/10。
▍知识接地、自反思与多模态补偿
即插即用的知识接地推理框架把多模态异常基准推理准确率提升至 69.90%（检索准确率 83%）[5]；把“反思”建模为可学习的决策修正后，40 亿参数模型定位分达 0.653，超过多款商用模型[6]。少样本视觉语言方案破解 AOI 遇新缺陷即需重训的瓶颈：在训练中未出现的缺陷类上取得 82.9% 准确率，同条件 ResNet-50 为 0.00%[7]；视觉—触觉—语言模型则可补偿遮挡与反光[1]。
▍确定性生成：从语义 PMI 直出报告
与之互补的是确定性路线。MBDVidia 直接读取三维模型的语义 PMI，生成特性清单（BoC）并一键输出 AS9102 首件检验报告，支持 PDF／HTML／Excel／Net-Inspect，表单与模型特性—公差双向联动。其内容可逐条回溯到模型标注，不存在幻觉问题；前提正是第 01 节的机器可读性——由 MBDConnect for Creo／NX 与 FormatWorks等CAD系统插件和MBDVidia软件 导出 QIF／STEP AP242。
04质量检测报告自动生成的可靠性
▍分检强，不代表复判可用
光刻缺陷理解基准把复判拆成分检、形貌、粗定位与成因分析四任务，1761 张真实评审图上：最佳商用模型分检宏 F1 达 0.932，形貌识别骤降至 0.201，成因分析最佳仅 0.216，闭环分 LCS 为 0.474[8]。工业异常检测基准同向：商用模型纹理场景准确率 81%–84%，工件与电子件降至 51%–68%，定位分仅 0.103–0.201[6]；PCB 基准中 GPT-5 定位 F1 仅 20.2，不足专用模型 51.1 的一半[9]。
“这表明在 PCB 质检场景中，强大的语言生成与语义对齐能力，并不会自动转化为可靠的空间定位能力。”
—— Sun 等，UniPCB[9]
▍“看得见证据”不等于“归因正确”
最具警示的是这项诊断：250 份人工评分的成因分析中，证据相关性均值 0.992、幻觉率低至 1.2%，但成因得分最高仍只有 0.216[8]。低幻觉率不等于高可靠性——报告可以句句有据而结论错误，以幻觉率单指标验收工具是危险的。
▍上下文不是越多越好，评测本身须可复现
半导体制造的自适应 RAG 评测（4K–32K 窗口、5.28 万次评估）发现：4K 时模型差距达 45%，28K 收敛到 1% 带宽内，超 28K 出现注意力稀释，相关性与支持质量下滑 6.1% 与 6.0%[10]。结论可信度也取决于评测协议：上述光刻基准主指标全由确定性打分器产出，有效率 99.88%、盲标一致率 79.0%（κ=0.727）[8]。治理层面则是：制造领域既有工作无一报告大模型输出执行前的形式化安全验证[2]。
三条可落地的可靠性准则
一、源头确定化。事实基座放在语义 PMI 与中性格式上，由 MBDVidia、MBDConnect for Creo／NX 与 FormatWorks 及其他类似MBD数据管理类工具软件保证数据机器可读。
二、生成必接地。坐标注入、领域微调与检索增强叠加，可把幻觉率从 65% 压到 4%[3]，缺一环不成立。
三、分级签署。按语义层级设门限：分检可自动化，形貌、定位与成因结论须保留人工复核与独立保障层[2][8]。
参考文献
[1] Zong, J.; Jia, Q.; Shi, M.; Li, T.; Li, J.; Lv, Z.; Chen, G.; Deng, F. VitaTouch: Property-Aware Vision–Tactile–Language Model for Robotic Quality Inspection in Manufacturing. arXiv:2604.03322, 2026-04-02.（北京邮电大学智能工程与自动化学院等）
[2] Bahrpeyma, F.; Reichelt, D. A MARL Centered Reference Architecture for Large Language Model Augmentation in Smart Manufacturing. arXiv:2608.07148, 2026-08-07.（德国德累斯顿应用技术大学智能生产系统）
[3] Malikussaid; Gohar, I. A Hybrid Vision-Language Architecture for Automated Defect Reasoning and Report Generation in Industrial Inspection. arXiv:2605.26533v1 [cs.CV], 2026-05-26.（印尼电信大学计算学院；马来西亚双威大学工程与技术学院）
[4] Wallace, C.; Corley, I.; Lwowski, J. InspectVLM: Unified in Theory, Unreliable in Practice. arXiv:2508.01921v1 [cs.CV], 2025-08-03.（Zeitview）
[5] Zhang, K.; Zhang, Z.; Sun, X.; Wang, A.; Nie, J.; Chen, Q.; Hao, H.; Guo, J.; Zhang, J. ADSeeker: A Knowledge-Grounded Reasoning Framework for Industry Anomaly Detection and Reasoning. arXiv:2508.03088v1, 2025-08-05.（山东大学、香港城市大学）
[6] Huang, C.; Li, Y.; Cao, Y.; Wang, W.; Huang, H.; Wen, J.; Ren, W.; Cao, X. M3-AD: Reflection-aware Multi-modal, Multi-category, and Multi-dimensional Benchmark and Framework for Industrial Anomaly Detection. arXiv:2603.00055v1 [cs.LG], 2026-02-10.（中山大学深圳校区、湖南大学、哈尔滨工业大学深圳）
[7] Dinh, H. L.; Doan, D. V.; Nguyen, N. K.; Nguyen, D. T.; Hoang, H. H. Autonomous Defect Classification in Manufacturing: A Novel Few-Shot Vision-Language Modeling Approach. Engineering, Technology & Applied Science Research, 2026, 16(3): 36545–36551. DOI: 10.48084/etasr.18859.（越南电力大学控制与自动化学院；2026-05-11 录用，CC-BY 4.0 开放获取）
[8] Ji, H.; Zhao, B.; Lv, S.; Lv, Y. LDU-Bench: Multimodal LLM Evaluation for Lithography Defect Understanding under Layout-Varying Circuit Backgrounds. arXiv:2608.03078v1 [cs.CV], 2026-08-04.
[9] Sun, F.; Jiang, X.; Wu, J.; Zhang, H.; Zheng, F.; Yang, J. UniPCB: A Unified Vision-Language Benchmark for Open-Ended PCB Quality Inspection. arXiv:2601.19222, 2026-01-27.（深圳职业技术大学、南方科技大学、辽宁科技大学）
[10] Qian, J.; Yi, C.; Xia, M.; Wu, W.; Zhu, J.; Guan, J. FAB-Bench: A Framework for Adaptive RAG Benchmarking in Semiconductor Manufacturing. arXiv:2605.26476（preprint）, 2026-05-26.（FutureFab.AI）
