PulseAugur
中
实时 05:45:53
English(EN) BIM Information Extraction Through LLM-based Adaptive Exploration

基于LLM的自适应探索在BIM信息提取方面优于静态查询

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的方法，通过采用基于LLM的代理来提取建筑信息模型（BIM）中的信息，该代理在运行时自适应地探索模型的结构。这种方法克服了静态方法的局限性，因为静态方法由于BIM数据固有的异构性而失效。在新的ifc-bench v2基准测试上评估了自适应探索范式，结果显示其在静态查询生成方面有显著改进。 AI

影响 引入了一种处理BIM等专业领域数据异构性的新范式，有望提高LLM在复杂信息检索任务中的适用性。

排序理由 该集群包含一篇学术论文，详细介绍了使用LLM进行信息提取的新方法。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

基于LLM的自适应探索在BIM信息提取方面优于静态查询

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Sylvain Hellin, Suhyung Jang, Stefan Fuchs, Stavros Nousias, Andr\'e Borrmann ·

    BIM Information Extraction Through LLM-based Adaptive Exploration

    arXiv:2605.01698v1 Announce Type: new Abstract: BIM models provide structured representations of building geometry, semantics, and topology, yet extracting specific information from them remains remarkably difficult. Current approaches translate natural language into structured q…

  2. arXiv cs.CL TIER_1 English(EN) · André Borrmann ·

    BIM Information Extraction Through LLM-based Adaptive Exploration

    BIM models provide structured representations of building geometry, semantics, and topology, yet extracting specific information from them remains remarkably difficult. Current approaches translate natural language into structured queries by assuming a fixed data organization (st…

相关实体

相关话题