论文
PlanSightRAG：直接检索工程标准图纸，辅助问答与合规检查
PlanSightRAG: A Visual-First Multimodal RAG for Automating Question Answering and Compliance Checking for Civil Standard Plans
摘要
土木基础设施合规性检查长期以来依赖工程师手动阅读旧的 2D 图纸；然而，基于 OCR 的自动化剥离了解释这些图纸所必需的几何形状和布局。我们提出了一个名为 PlanSightRAG 的视觉优先多模态检索增强生成 (RAG) 框架。它直接对图纸图像进行索引和推理，集成了 ColNomic-3B 多向量检索、代理 Planner-检索器-Auditor-Synthesizer 和 MaxSim 热图作为证据追踪。我们引入了来自五个州交通部 (DOT) 标准图纸（1,898 页）的 4,056 对基准。 PlanSightRAG 在零样本检索上实现了 91.47% Recall@5，而在保留的密歇根 DOT 语料库上，它实现了 91.40%。在合成的、参数化生成的合规图纸上，我们的 Qwen2.5-VL-72B 管道仅在提供预先解析的规则阈值（非 VLM OCR 基线已达到 76.4% 的受控上限）时才能达到 100% 的判定准确性。最后，我们通过直接从规范语料库中提取数字限制来演示自主视觉规则基础，而无需任何人类提供的规则。