本研究探讨了AI生成模型，特别是OpenAI的生成预训练变压器（GPT）系列，当与建筑信息建模（BIM）工具集成为交互式设计助手时的潜力。研究通过开发和实施三个关键组成部分来完成，最终验证了该方法的有效性。

Jun, 2023

该研究介绍了一个新的建筑设计框架，利用生成式人工智能工具，包括ChatGPT和Veras，结合参数化建模和建筑信息模型（BIM），提升设计流程。这个框架扩展了ChatGPT和生成式人工智能在三维建筑设计中的潜力，不仅限于在文本和二维图像生成方面的应用。通过整合ChatGPT用于脚本编写和Veras用于生成设计思路，并结合广泛使用的参数化建模和BIM工具，该框架为建筑师提供了直观而强大的方法来传达设计意图，从而实现更高效、创造性和协作性的设计流程。

Aug, 2023

本文介绍了一种用于辅助建筑师的系统，将大型点云转换为建筑的标准化数字表示，用于建筑信息建模（BIM）应用。系统通过自动地预测一系列建模编辑操作来帮助建筑师进行Scan-to-BIM过程，并且提供了建筑规模的Scan2BIM数据集以及重建质量和操作顺序的度量。

Nov, 2023

本研究提出了一种新颖的方法，将预训练的LLMs与有限元模块集成。FEM模块评估每个设计并提供必要的反馈，引导LLMs不断学习、规划、生成和优化设计，无需进行特定领域的训练。我们通过对桁架结构的迭代优化进行实证研究，展示了提出的框架的有效性，显示它能够根据结构化反馈和标准进行推理和改进设计。我们的结果显示，这些基于LLM的代理能够以高达90%的成功率生成符合自然语言规范的桁架设计，但成功率根据应用的约束条件而变化。我们通过采用基于提示的优化技术表明，当向LLM代理提供解决方案-评分对以迭代地改进设计以满足规范时，它们具备优化行为能力。LLM代理能够生成可行的设计并根据其内在推理能力进行优化的能力，突显其实现自主设计策略的潜力。

Apr, 2024

本论文介绍了SRBIM，这是一个统一的语义重建架构用于BIM生成，通过广泛的定性和定量评估证明了我们方法的有效性，为自动BIM建模建立了一个新的范式。

Jun, 2024

该研究探索了序贯推荐系统在加速BIM建模过程中的潜力，通过将BIM软件命令视为可推荐项目，引入了一种新颖的端到端方法，根据用户的历史交互预测下一个最佳命令，结果是在BIM创作工具Vectorworks中提供实时的命令建议。后续实验验证了我们提出的模型优于以往的研究，展示了推荐系统在提高设计效率方面的巨大潜力。

Jun, 2024

提出了一种基于LLM的自主代理框架，作为BIM作者工具中的副驾驶员，回答软件使用问题，理解用户的设计意图，并通过调用合适的工具自主执行建模任务，以此来应对日益复杂的BIM作者软件和昂贵的学习成本，实现与设计过程本身的精简互动。

Jun, 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

LLM4DESIGN是一个高度自动化的系统，通过多智能体系统培养创造力，通过检索增强生成（RAG）将设计与现实相关联，通过视觉语言模型（VLM）同步所有信息。该系统生成了连贯、多图文混合的设计方案，满足了叙事性故事讲述和客观绘图展示的双重需求，在城市更新设计领域表现出卓越性能。此外，研究创建了首个跨模态设计方案数据集，涵盖建筑、景观、室内和城市设计，为未来研究提供了丰富的资源。

Jun, 2024

本研究针对大型语言模型（LLMs）在软件工程领域的应用现状进行综述，通过整合外部资源和工具，大幅提升了LLM的能力。研究表明，基于LLM的代理可以有效应对复杂的现实软件工程问题，并为未来的研究方向提供了新的思路。

Sep, 2024