Esplorazione Adattiva Basata su LLM per l'Estrazione di Informazioni da BIM
Un approccio innovativo noto come esplorazione adattiva utilizza un agente basato su LLM per recuperare dati da modelli BIM, eseguendo iterativamente codice e identificando la struttura durante l'esecuzione, affrontando così le sfide poste dall'eterogeneità del BIM che la generazione statica di query non può gestire. Questo metodo viene valutato utilizzando ifc-bench v2, un nuovo benchmark open-source per il question-answering su BIM, che include 1.027 task derivati da 37 modelli IFC provenienti da 21 progetti. Uno studio di ablazione fattoriale che coinvolge due livelli di capacità LLM e quattro strategie di potenziamento rivela che l'esplorazione adattiva supera costantemente la generazione statica di query in tutte le configurazioni testate.
Fatti principali
- L'esplorazione adattiva utilizza un agente basato su LLM per estrarre informazioni da modelli BIM.
- L'agente esegue iterativamente codice per scoprire la struttura in fase di esecuzione.
- La generazione statica di query presuppone un'organizzazione fissa dei dati, che l'eterogeneità del BIM invalida.
- ifc-bench v2 è un benchmark open-source per il question-answering su BIM introdotto insieme a questo lavoro.
- Il benchmark comprende 1.027 task su 37 modelli IFC provenienti da 21 progetti.
- È stato condotto uno studio di ablazione fattoriale su due livelli di capacità LLM e quattro strategie di potenziamento.
- L'esplorazione adattiva supera significativamente la generazione statica di query in tutte le configurazioni.
Entità
—