论文
PermitGPT：施工风险预测、许可预测与社区影响分析的统一生成式AI流水线
PermitGPT: A Unified Generative-AI Pipeline for Construction Hazard Forecasting, Permit Prediction, and Community Impact
摘要
城市建设治理需要早期决策，将工作场所安全、许可要求和社区影响联系起来，但相关证据往往分散在不同的市政和监管数据源中。本文提出了 PermitGPT，这是一个统一的生成人工智能框架，用于将非结构化施工许可证描述转换为跨三个领域的结构化决策支持输出：安全隐患识别、许可证要求规范和社区影响评估。为了解决数据碎片问题，我们在空间和时间上对齐来自纽约市建筑局、职业安全与健康管理局和 NYC 311 服务请求的记录，通过基于规则的对齐和基于领域的抽查生成 90,000 个结构化提示响应对。我们使用参数有效的适应来微调三个开放权重语言模型，并在 2,833 个保留的测试用例上对其进行评估。结果显示了互补的模型行为：Gemma-3-1B 以每秒 3.07 个样本的速度提供最高效的推理，且内存使用量较低；Llama-3.2-3B 为监管式输出提供了最高的词汇重叠，BLEU 得分为 0.0091；4 位 Mistral-7B-Instruct-v0.3 实现了最强的语义对齐，BERTScore-F1 为 0.7747。由于该任务涉及开放式结构化生成，因此低 BLEU 值与语义指标和定性输出结构一起解释，而不是作为独立的效用指标。总体而言，PermitGPT 为人工智能辅助施工治理迈出了第一步，同时确定了更强大的任务级评估和现实验证的方向。
