近期，'Fusion'在AI与工程交叉领域呈现两大趋势：一是多模态CAD程序生成中融合策略的标准化，二是人体动作编辑中跨轴特征融合的精细化。背景上，随着大模型向专业工程领域渗透，如何有效融合不同模态数据（如文本、图像、CAD模型）成为关键瓶颈。
- 主要进展包括：
- CADGenBench基准测试提出融合CAD几何与代码的评估框架，推动AI辅助设计标准化（AI 进入工程领域：CADGenBench 基准测试发布）。
- Cross-Axis Fusion方法在3D人体动作编辑中，通过跨姿态轴的特征融合显著提升了文本驱动的编辑自然度（Cross-Axis Fusion 提升文本驱动的3D人体动作编辑效果）。
- Rank-Aware Selective Fusion在混合情感识别任务中，通过选择性融合多模态特征（语音、文本、图像）获得亚军，验证了排名感知策略的有效性（Rank-Aware Selective Fusion 在混合情感识别中排名第二）。
- CADBench提供一个多模态CAD程序生成统一基准，将几何、文本和草图融合至程序生成管道（CADBench: 多模态CAD程序生成统一基准）。
当前焦点集中在：如何设计融合机制以平衡多模态数据的异构性——跨轴融合强调空间结构对齐，而选择融合则关注信息冗余排除。未来观察点包括：融合从感知任务向生成任务的泛化能力，以及像CAD这种高精度领域对融合可解释性的需求。