利用大型语言模型解读建筑法规
本文介绍了一项浅层分析任务，并针对此任务生成少量领域特定数据集。作者使用此数据集训练了一个序列标注器，其测试结果达到了 79.93 的 F1 分数并可以识别建筑规范文档中的大多数定义术语和 Multi-Word Expressions。
Oct, 2021
本研究旨在评估 GPT 模型在建筑工业中的应用机会和挑战，通过批判性评论、专家讨论和案例研究验证，发现其在项目生命周期中存在机遇，但同时也存在挑战，为此我们开发了一个用例原型来优化建筑材料的选择，为语言模型在建筑工业中的研究提供了前景和建议。
May, 2023
利用大型语言模型（LLM）开发的LLM-FuncMapper方法，在自动化规则检查（ARC）中对规章条款进行解释，并证明其在解释复杂的规章条款方面的有效性。
Aug, 2023
提出了一种新的方法来自动评估和增强单个条款和建筑规范的机器可解释性，通过引入分类方法和有效的文本分类模型，实现了较高的性能提升，并提出了定量评估方法来评估建筑规范的整体解释性。
Sep, 2023
近年来，大型语言模型（LLMs）在各个领域取得了快速进展和令人印象深刻的能力。本文探讨了LLMs在建筑能效和碳减排研究中的应用、影响和潜力。文章考察了LLMs在建筑能源领域的广泛能力，包括智能控制系统、代码生成、数据基础设施、知识提取和教育。尽管LLMs具有很大的潜力，但仍存在复杂和昂贵的计算、数据隐私、安全和版权、精细调整LLMs的复杂性以及自一致性等挑战。文章最后呼吁未来的研究集中在增强LLMs的领域特定任务、多模式LLMs和人工智能与能源专家之间的合作研究上。
Dec, 2023
该研究旨在调查大型语言模型与建筑能源模型软件的创新整合，重点关注ChatGPT与EnergyPlus的融合。文献综述表明，大型语言模型在工程建模中应用日益增长，但在建筑能源模型中的应用研究有限。通过三个案例研究，证明了大型语言模型在自动化和优化建筑能源模型任务方面的潜力，并强调了人工智能在推进可持续建筑实践和能源效率方面的关键作用。研究结果建议未来人工智能研究采用跨学科的方法，并对其他专门工程建模领域有着重要影响。
Feb, 2024
研究探索了利用大型语言模型（LLMs）自动提取食品安全领域与要求相关的法律内容并检查法规工件的合规性。研究结果表明，LLMs在提高法规合规性和监管分析效率方面具有显著的潜力，尤其通过减少手动工作量，提高准确性，并在合理的时间和财务限制下实现。
Apr, 2024
使用大型语言模型 (LLMs) 创建建筑管理系统 (BMS) 的数据驱动模型，以实现自动化的数据处理和建模过程，减少人力成本。通过采用机器学习运营框架生成的代码模板，成功地生成高比例且准确的 Python 代码，并显著降低人力成本。
Jul, 2024
本研究探讨了生成性人工智能（尤其是大型语言模型）在建筑行业的变革潜力，解决了在能效法规合规、建筑设计优化和劳动力培训等方面的具体问题。论文提出了创新的解决方案，旨在自动化繁重的工作流程，显著提升建筑实践中的效率、准确性与安全性，预示着人工智能的广泛应用将推动建筑行业朝向更智能、可持续的方向发展。
Oct, 2024