論文の概要: Multimodal Modular Chain of Thoughts in Energy Performance Certificate Assessment
- arxiv url: http://arxiv.org/abs/2603.00115v1
- Date: Fri, 20 Feb 2026 14:46:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-09 01:20:08.065905
- Title: Multimodal Modular Chain of Thoughts in Energy Performance Certificate Assessment
- Title（参考訳）: エネルギー性能評価における思考のマルチモーダル・モジュラー・チェーン
- Authors: Zhen Peng, Peter J. Bentley,
- Abstract要約: 本稿では,限られた視覚情報から自動EPC事前評価を行うために,ビジョンランゲージモデルを利用する費用効率のよいフレームワークを提案する。
イギリスにおける81の住宅資産のマルチモーダルデータセットの実験は、MMCoTが命令のみのプロンプトよりも統計的に有意な改善を達成していることを示している。
- 参考スコア（独自算出の注目度）: 2.5501895454488666
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate evaluation of building energy performance remains challenging in regions where scalable Energy Performance Certificate (EPC) assessments are unavailable. This paper presents a cost-efficient framework that leverages Vision-Language models for automated EPC pre-assessment from limited visual information. The proposed Multimodal Modular Chain of Thoughts (MMCoT) architecture decomposes EPC estimation into intermediate reasoning stages and explicitly propagates inferred attributes across tasks using structured prompting. Experiments on a multimodal dataset of 81 residential properties in the United Kingdom show that MMCoT achieves statistically significant improvements over instruction-only prompting for EPC estimation. Analysis based on accuracy, recall, mean absolute error, and confusion matrices indicate that the proposed approach captures the ordinal structure of EPC ratings, with most errors occurring between adjacent classes. These results suggest that modular prompt-based reasoning offers a promising direction for low-cost EPC pre-assessment in data-scarce settings.
- Abstract（参考訳）: 拡張性エネルギー性能認定(EPC)評価が不可能な地域では,建築エネルギー性能の正確な評価は依然として困難である。
本稿では,限られた視覚情報から自動EPC事前評価を行うために,ビジョンランゲージモデルを利用する費用効率のよいフレームワークを提案する。
提案したMultimodal Modular Chain of Thoughts (MMCoT)アーキテクチャは、EPC推定を中間推論段階に分解し、構造化プロンプトを用いてタスク間で推論属性を明示的に伝搬する。
イギリスにおける81の住宅資産のマルチモーダルデータセットの実験は、MMCoTがEPC推定のための命令のみのプロンプトよりも統計的に有意な改善を達成していることを示している。
精度,リコール,平均絶対誤差,混乱行列に基づいて解析した結果,提案手法はEPC評価の順序構造を捉えており,ほとんどの誤差は隣接クラス間で発生している。
これらの結果から,モジュール型プロンプトベースの推論は,データスカース設定における低コストEPC事前評価に有望な方向を示すことが示唆された。
関連論文リスト
- Rethinking Probabilistic Circuit Parameter Learning [47.13236967317809]
我々は,PC用ミニバッチEMアルゴリズムであるAnemoneを導入する。
Anemoneはコンバージェンス速度と最終的なパフォーマンスの両方で、既存のデータセットを一貫して上回る。
論文 参考訳（メタデータ） (2025-05-26T13:41:06Z) - In-context Ranking Preference Optimization [65.5489745857577]
In-context Ranking Preference Optimization (IRPO) フレームワークを提案する。
IRPOは標準のDPO手法よりも高い性能を示し、LLMと直接文脈内ランキング設定の整合性を強調した。
論文 参考訳（メタデータ） (2025-04-21T23:06:12Z) - Supervised Optimism Correction: Be Confident When LLMs Are Sure [91.7459076316849]
教師付き微調整とオフライン強化学習の間には,新たな理論的関係が確立されている。
広く使われているビームサーチ法は、許容できない過度な最適化に悩まされていることを示す。
本稿では,トークンレベル$Q$-value推定のための簡易かつ効果的な補助的損失を導入したSupervised Optimism Correctionを提案する。
論文 参考訳（メタデータ） (2025-04-10T07:50:03Z) - DSMoE: Matrix-Partitioned Experts with Dynamic Routing for Computation-Efficient Dense LLMs [86.76714527437383]
本稿では,事前学習したFFN層を計算ブロックに分割することで,分散化を実現するDSMoEを提案する。
我々は,Sigmoid アクティベーションとストレートスルー推定器を用いた適応型エキスパートルーティングを実装し,トークンがモデル知識の様々な側面に柔軟にアクセスできるようにする。
LLaMAモデルを用いた実験により、DSMoEは既存のプルーニング法やMoE法に比べて優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2025-02-18T02:37:26Z) - Energy-based Automated Model Evaluation [19.90797626200033]
本稿では,AutoEvalフレームワークをより効率的かつ効果的にするための新しい手段として,Meta-Distribution Energy(MDE)を提案する。
MDEは、個々のサンプルに関連する情報(エネルギー)に基づいて、メタ分布統計を確立し、エネルギーベースの学習によってよりスムーズな表現を提供する。
我々は、MDEの有効性を検証するために、モダリティ、データセット、異なるアーキテクチャのバックボーンにわたる広範な実験を提供する。
論文 参考訳（メタデータ） (2024-01-23T11:54:09Z) - c-TPE: Tree-structured Parzen Estimator with Inequality Constraints for
Expensive Hyperparameter Optimization [45.67326752241075]
本稿では,この制約に対処するための制約付きTPE (c-TPE) を提案する。
提案するエクステンションは,既存の取得関数とオリジナルのTPEの単純な組み合わせに留まらず,パフォーマンスの低下の原因となる問題に対処する修正も含んでいる。
実験では,C-TPEは,不等式制約のある81のHPOに対して,統計的に有意な既存の手法の中で,最高の平均ランク性能を示すことを示した。
論文 参考訳（メタデータ） (2022-11-26T00:25:11Z)
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。