Mejorando la preservación de la semántica en la construcción durante el entrenamiento de modelos de inteligencia artificial con codificaciones de grandes modelos de lenguaje
Imagen generada por Gemini AI
Un nuevo estudio revela que el uso de embeddings de modelos de lenguaje de gran tamaño (LLM) mejora el entrenamiento de la inteligencia artificial para la construcción de semánticas en la industria de arquitectura, ingeniería, construcción y operación (AECO). Al realizar pruebas en 42 subtipos de objetos de construcción, este enfoque superó al tradicional one-hot encoding, logrando un puntaje F1 ponderado promedio de 0.8766 con el embedding compacto llama-3. Este método potencia la capacidad de la IA para interpretar semánticas complejas, lo que indica un potencial significativo para su aplicación en tareas más amplias dentro del sector AECO.
Avances en el Entrenamiento de Modelos de IA para la Semántica de Edificios
Investigaciones recientes destacan un avance en la industria de la arquitectura, ingeniería, construcción y operación (AECO), centrándose en mejorar la representación de la semántica de edificios en el entrenamiento de modelos de IA. Al utilizar incrustaciones de modelos de lenguaje grande (LLM), el estudio revela mejoras significativas en la capacidad de los sistemas de IA para comprender las relaciones entre subtipos de objetos de construcción.
Metodología y Resultados
La investigación involucró el entrenamiento de modelos GraphSAGE para clasificar 42 subtipos de objetos de construcción dentro de cinco modelos de información de edificios (BIM) de gran altura. Los resultados indicaron que las codificaciones de LLM superaron significativamente la línea base de codificación one-hot convencional, con la incrustación compactada llama-3 logrando un F1-score promedio ponderado de 0.8766, superando la puntuación de 0.8475 para la codificación one-hot.
Implicaciones para la Industria AECO
Los hallazgos subrayan el potencial de las codificaciones basadas en LLM para mejorar la capacidad de la IA para interpretar la semántica de edificios compleja y específica del dominio.
Temas relacionados:
📰 Fuente original: https://arxiv.org/abs/2602.15791v1
Todos los derechos y créditos pertenecen al editor original.