コンピュータ支援設計（CAD）モデルは通常、パラメトリックスケッチを順次描画し、CAD操作を適用して3Dモデルを得ることで構築されます。3D CAD逆エンジニアリングの問題は、点群などの3D表現からスケッチとCAD操作のシーケンスを再構築することにあります。本論文では、この課題に対処するために、CADシーケンス表現、ネットワーク設計、データセットの3つのレベルでの革新的な貢献を行います。特に、CADスケッチ-押出シーケンスをPythonコードとして表現します。提案するCAD-Recodeは、点群をPythonコードに変換し、そのコードが実行されるとCADモデルが再構築されます。事前学習された大規模言語モデル（LLM）がPythonコードに露出していることを活用し、比較的小さなLLMをCAD-Recodeのデコーダーとして利用し、軽量な点群プロジェクタと組み合わせています。CAD-Recodeは、100万種類の多様なCADシーケンスからなる提案された合成データセットのみで訓練されています。3つのデータセットにおいて既存の方法よりも大幅に優れた性能を示しており、入力点数も少ないことが特徴です。特にDeepCADおよびFusion360データセットでは、最先端の手法よりも平均チャムファー距離が10倍低い結果を達成しています。さらに、我々は提案するCAD Pythonコード出力が市販の大規模言語モデル（LLM）によって解釈可能であることを示しており、これにより点群からのCAD編集やCAD固有の質問応答が可能となっています。