研究人员推出了BIM-Edit，这是一个旨在评估大型语言模型（LLM）使用行业基础类（IFC）格式编辑建筑信息模型（BIM）能力的新基准测试。该基准测试包含跨越各种建筑模型的324项编辑任务，重点关注几何精度、语义有效性和拓扑一致性。目前的LLM显示出显著的局限性，表现最好的模型得分仅为49.5%，没有一个模型能完全解决超过3.4%的任务，这凸显了它们在处理结构化工程设计工作流程方面的能力差距。 AI
影响 强调了当前LLM在结构化工程设计任务中的显著局限性，表明在语义和拓扑理解方面需要进一步发展。
排序理由 该集群包含一篇介绍用于评估LLM的新基准测试的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.20146v1 Announce Type: new Abstract: Large language models (LLMs) are increasingly applied to computer-aided design (CAD) to generate design artifacts from textual instructions. In engineering practice, this requires more than creating new geometry, models must also un…
Large language models (LLMs) are increasingly applied to computer-aided design (CAD) to generate design artifacts from textual instructions. In engineering practice, this requires more than creating new geometry, models must also understand existing scenes, edit them correctly, a…