Aprimoramento da Preservação de Semântica em Edificações na Capacitação de Modelos de IA com Codificações de Modelos de Linguagem de Grande Escala

Avanços no Treinamento de Modelos de IA para Semântica de Construção

Pesquisas recentes destacam um avanço na indústria de arquitetura, engenharia, construção e operação (AECO), com foco na melhoria da representação semântica de edifícios no treinamento de modelos de IA. Ao utilizar embeddings de grandes modelos de linguagem (LLM), o estudo revela melhorias significativas na capacidade dos sistemas de IA de compreender as relações entre subtipos de objetos de construção.

Metodologia e Resultados

A pesquisa envolveu o treinamento de modelos GraphSAGE para classificar 42 subtipos de objetos de construção dentro de cinco modelos de informação de edifícios de alto padrão (BIMs). Os resultados indicaram que as codificações LLM superaram significativamente a linha de base da codificação one-hot convencional, com o embedding compactado llama-3 alcançando uma média ponderada de F1-score de 0.8766, superando a pontuação de 0.8475 para a codificação one-hot.

Implicações para a Indústria AECO

Os resultados destacam o potencial das codificações baseadas em LLM para aprimorar a capacidade da IA de interpretar semânticas complexas e específicas do domínio da construção.