通过特定领域的 BIM 设计缺陷智能识别和修复 大语言模型

现有方法缺乏有效识别和解决 BIM 设计缺陷多样性的通用方法。因此，本研究提出了一个集成框架，通过特定领域的 LLM 来识别和修复 BIM 中的各种缺陷。首先，引入了具有组件平衡分块的 BIM 到文本方法，以将 BIM 数据与 LLM 连接起来。然后，提出了通过规则注入、小样本提示和 RAG 进行提示学习来识别缺陷并生成修复建议。同时，引入了结合密钥标识符验证和词元长度阈值的幻觉控制策略以确保可靠性。实验表明，能力扩展的识别准确率达到 85%，而传统规则检查的识别准确率为 70%，合理修复建议率高达 94%。此外，所提出的幻觉控制进一步将准确性从 64% 提高到 85%，在单轮干预中消除了 92.5% 的幻觉。本研究建立了一个从原始 BIM 数据输入到缺陷识别再到修复建议生成的端到端原型。