論文の概要: BIM-GPT: a Prompt-Based Virtual Assistant Framework for BIM Information
Retrieval
- arxiv url: http://arxiv.org/abs/2304.09333v1
- Date: Tue, 18 Apr 2023 22:46:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-20 16:07:40.689196
- Title: BIM-GPT: a Prompt-Based Virtual Assistant Framework for BIM Information
Retrieval
- Title(参考訳): BIM-GPT:BIM情報検索のためのプロンプトベースの仮想アシスタントフレームワーク
- Authors: Junwen Zheng, Martin Fischer
- Abstract要約: 我々は,BIMと生成事前学習トランスフォーマ(GPT)技術を統合し,NLベースのIRをサポートするプロンプトベースの仮想アシスタント(VA)フレームワークであるBIM-GPTを紹介する。
プロンプトマネージャと動的テンプレートは、GPTモデルのプロンプトを生成し、NLクエリの解釈、検索された情報の要約、BIM関連の質問に答える。
BIM IRデータセット上でのテストでは,NLクエリをデータ無しで分類するための精度が83.5%,精度が99.5%,プロンプトが2%であった。
- 参考スコア(独自算出の注目度): 0.8339831319589134
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Efficient information retrieval (IR) from building information models (BIMs)
poses significant challenges due to the necessity for deep BIM knowledge or
extensive engineering efforts for automation. We introduce BIM-GPT, a
prompt-based virtual assistant (VA) framework integrating BIM and generative
pre-trained transformer (GPT) technologies to support NL-based IR. A prompt
manager and dynamic template generate prompts for GPT models, enabling
interpretation of NL queries, summarization of retrieved information, and
answering BIM-related questions. In tests on a BIM IR dataset, our approach
achieved 83.5% and 99.5% accuracy rates for classifying NL queries with no data
and 2% data incorporated in prompts, respectively. Additionally, we validated
the functionality of BIM-GPT through a VA prototype for a hospital building.
This research contributes to the development of effective and versatile VAs for
BIM IR in the construction industry, significantly enhancing BIM accessibility
and reducing engineering efforts and training data requirements for processing
NL queries.
- Abstract(参考訳): ビル情報モデル(BIM)からの効率的な情報検索(IR)は、深いBIM知識や自動化のための広範なエンジニアリング努力を必要とするため、大きな課題となる。
我々は,BIMと生成事前学習トランスフォーマ(GPT)技術を統合し,NLベースのIRをサポートするプロンプトベースの仮想アシスタント(VA)フレームワークであるBIM-GPTを紹介する。
プロンプトマネージャと動的テンプレートは、GPTモデルのプロンプトを生成し、NLクエリの解釈、検索された情報の要約、BIM関連の質問に答える。
BIM IRデータセット上でのテストでは,NLクエリをデータ無しで分類するための精度が83.5%,精度が99.5%,プロンプトが2%であった。
さらに,病院ビルのVAプロトタイプを用いて,BIM-GPTの機能を検証した。
本研究は,建設業界におけるBIM IRの有効かつ汎用的なVAの開発に寄与し,BIMアクセシビリティを著しく向上し,エンジニアリングの労力を削減し,NLクエリ処理のためのデータ要求のトレーニングに寄与する。
関連論文リスト
- Towards a RAG-based Summarization Agent for the Electron-Ion Collider [0.5504260452953508]
A Retrieval Augmented Generation (RAG)ベースのEIC用要約AI(RAGS4EIC)が開発中である。
このAIエージェントは情報を凝縮するだけでなく、関連する応答を効果的に参照する。
まず、関連するすべての実験情報を含む包括的ベクトルデータベースを問合せし、次に、Large Language Model(LLM)を用いて、ユーザクエリと検索データに基づく引用に富んだ簡潔な要約を生成する。
論文 参考訳(メタデータ) (2024-03-23T05:32:46Z) - Reliable, Adaptable, and Attributable Language Models with Retrieval [144.26890121729514]
パラメトリック言語モデル(LM)は大量のWebデータに基づいて訓練されている。
幻覚、新しいデータ分布への適応の困難、妥当性の欠如など、実践的な課題に直面している。
我々は、次世代のLMとしてパラメトリックLMを置き換えるための検索拡張LMを提唱する。
論文 参考訳(メタデータ) (2024-03-05T18:22:33Z) - Utilizing BERT for Information Retrieval: Survey, Applications,
Resources, and Challenges [4.588192657854766]
本調査は、情報検索(IR)にBERTのような事前訓練されたトランスフォーマーエンコーダを適用するアプローチに焦点を当てる。
i) 長文処理, (ii) 意味情報の統合, (iii) 有効性と効率のバランス, (iv) 用語の重み付け予測, (v) クエリ拡張, (vi) 文書拡張の6つの高レベルカテゴリに分類した。
特定のタスクに対して、細かな調整されたBERTエンコーダは依然としてパフォーマンスが良く、デプロイメントコストも低いことが分かりました。
論文 参考訳(メタデータ) (2024-02-18T23:22:40Z) - Towards Generating Executable Metamorphic Relations Using Large Language
Models [49.632090604977364]
大規模言語モデル(LLM)を用いた要件から実行可能なMRを自動的に抽出する手法を提案する。
提案手法の有効性を評価するため,シーメンス・インダストリー・ソフトウェアと共同で質問紙調査を行った。
論文 参考訳(メタデータ) (2024-01-30T13:52:47Z) - Server-side Rescoring of Spoken Entity-centric Knowledge Queries for
Virtual Assistants [5.996525771249284]
本研究では,音声情報ドメインクエリのサーバ側再構成のためのモデリング手法を実証研究する。
様々なエンティティ中心のクエリサブポピュレーションにおいて、WERは23%-35%の大幅な改善を示した。
また、スクラッチから訓練した複数のサーバサイドLMのモデル融合は、各モデルの相補的な強度を最も効果的に組み合わせていることを示す。
論文 参考訳(メタデータ) (2023-11-02T17:07:23Z) - Information Association for Language Model Updating by Mitigating
LM-Logical Discrepancy [68.31760483418901]
大規模言語モデル(LLM)は、時代遅れの事前学習データのために現在の情報を提供するのに苦労する。
知識編集や連続的な微調整など,従来のLCMの更新方法は,新たな情報の一般化に重大な欠点がある。
これらの欠点の中核となる課題は,言語モデリングの確率と論理的確率の差を特徴とするLM論理的相違である。
論文 参考訳(メタデータ) (2023-05-29T19:48:37Z) - Improving BIM Authoring Process Reproducibility with Enhanced BIM
Logging [0.0]
著者らはRevit C# APIを使ってロガーと再生アルゴリズムを開発した。
改良されたBIMログは、ル・コルビュジエが設計したVilla Savoyeのケーススタディにより評価された。
論文 参考訳(メタデータ) (2023-05-29T11:52:23Z) - LLMs for Knowledge Graph Construction and Reasoning: Recent Capabilities
and Future Opportunities [68.86209486449924]
知識グラフ(KG)の構築と推論のための大規模言語モデル(LLM)の評価。
我々は,LLMと外部ソースを用いたマルチエージェントベースのアプローチであるAutoKGを提案し,KGの構築と推論を行う。
論文 参考訳(メタデータ) (2023-05-22T15:56:44Z) - Just Tell Me: Prompt Engineering in Business Process Management [63.08166397142146]
GPT-3や他の言語モデル(LM)は、様々な自然言語処理(NLP)タスクに効果的に対処できる。
私たちは、迅速なエンジニアリングは、BPM研究にLMの能力をもたらすことができると論じています。
論文 参考訳(メタデータ) (2023-04-14T14:55:19Z) - An ontology-aided, natural language-based approach for multi-constraint
BIM model querying [0.0]
本稿では,異なる制約を含む自然言語クエリ(NLQ)を,複雑なBIMモデルを問合せするためのコンピュータ可読コードに自動的にマッピングする,新しいオントロジー支援セマンティクスを提案する。
実世界の住宅ビルの設計チェックに関する事例研究は,建設業における提案手法の実践的価値を実証している。
論文 参考訳(メタデータ) (2023-03-27T11:35:40Z) - BertNet: Harvesting Knowledge Graphs with Arbitrary Relations from
Pretrained Language Models [65.51390418485207]
本稿では,事前学習したLMから任意の関係を持つ大規模KGを抽出する手法を提案する。
関係定義の最小限の入力により、アプローチは膨大な実体対空間を効率的に探索し、多様な正確な知識を抽出する。
我々は、異なるLMから400以上の新しい関係を持つKGを収穫するためのアプローチを展開している。
論文 参考訳(メタデータ) (2022-06-28T19:46:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。