Brick-DICL：面向自动化Brick模式分类的动态上下文学习

楼宇管理系统（BMS）对优化现代建筑的能效与运营表现至关重要。但不同制造商BMS点表缺乏标准化——为集成与数据利用制造重大障碍。虽然Brick模式为建筑系统提供标准化本体——把BMS点映射到合适Brick类面临三大挑战：(i) Brick类数量庞大（最新版936个）；(ii) 大语言模型（LLM）的领域专属知识有限；(iii) 验证需大量人工。为应对——我们提出Brick-DICL——面向自动化Brick模式分类的两阶段动态上下文学习框架。Brick-DICL含两个主要组件：metadata-RAG——检索相关示例以增强LLM领域知识；class-RAG——缩小候选Brick类以应对庞大分类空间。此外——我们实现多LLM过滤机制——比较跨多模型预测——把低置信分类标记供人工审查。结果：(i) 通用：Brick-DICL适用于任何楼宇管理系统——无论制造商或元数据格式；(ii) 新颖有力：作为首个Brick模式分类的动态上下文学习方法——Brick-DICL在楼宇数据集上取得显著分类准确率提升——超越既有方法；(iii) 高效：多LLM过滤策略降低人工验证工作量——实现快速数字楼宇接入。大量实验证明Brick-DICL跨多样楼宇数据集的有效性——加速迈向标准化、可互操作楼宇管理系统的路径。