論文の概要: PermitGPT: A Unified Generative-AI Pipeline for Construction Hazard Forecasting, Permit Prediction, and Community Impact

• arxiv url: http://arxiv.org/abs/2608.28728v1
• Date: Fri, 28 Aug 2026 16:55:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:30.735206
• Title: PermitGPT: A Unified Generative-AI Pipeline for Construction Hazard Forecasting, Permit Prediction, and Community Impact
• Title（参考訳）: PermitGPT: 建設ハザード予測、パーミッション予測、コミュニティインパクトのための統合生成AIパイプライン
• Abstract要約: 本稿では,非構造化構成許諾記述を構造化決定支援出力に変換するための統合人工知能フレームワークPermitGPTを提案する。 データの断片化に対処するため、我々は、ニューヨーク市建物局、Occupational Safety and Health Administration、およびNYC 311サービス要求の記録を空間的および時間的に整列する。 パラメータ効率適応を用いた3つのオープンウェイト言語モデルを微調整し,2,833の持久テストケースで評価した。
• 参考スコア（独自算出の注目度）: 1.368117423972661
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Urban construction governance requires early decisions that connect workplace safety, permitting requirements, and community impact, yet the relevant evidence is often scattered across separate municipal and regulatory data sources. This paper presents PermitGPT, a unified generative artificial intelligence framework for converting unstructured construction permit descriptions into structured decision-support outputs across three domains: safety hazard identification, permit requirement specification, and community impact assessment. To address data fragmentation, we spatially and temporally align records from the New York City Department of Buildings, Occupational Safety and Health Administration, and NYC 311 service requests, producing 90,000 structured prompt-response pairs derived through rule-based alignment and domain-informed spot checking. We fine-tune three open-weight language models using parameter-efficient adaptation and evaluate them on 2,833 held-out test cases. The results show complementary model behavior: Gemma-3-1B provides the most efficient inference at 3.07 samples per second with low memory usage, Llama-3.2-3B gives the highest lexical overlap for regulatory-style outputs with a BLEU score of 0.0091, and 4-bit Mistral-7B-Instruct-v0.3 achieves the strongest semantic alignment with a BERTScore-F1 of 0.7747. Because the task involves open-ended structured generation, low BLEU values are interpreted alongside semantic metrics and qualitative output structure rather than as standalone indicators of utility. Overall, PermitGPT provides an initial step toward AI-assisted construction governance while identifying directions for stronger task-level evaluation and real-world validation.
• Abstract（参考訳）: 都市建設ガバナンスは、職場の安全、要求の許可、コミュニティへの影響を結び付ける早期の決定を必要とするが、関連する証拠は、しばしば自治体と規制当局の別々のデータソースに散らばっている。 本稿では, 安全ハザード識別, 要件仕様, コミュニティへの影響評価の3分野にわたる非構造構築許可記述を構造化決定支援出力に変換するための統合生成人工知能フレームワークPermitGPTを提案する。 データの断片化に対処するため、我々は、ニューヨーク市建築局、Occupational Safety and Health Administration、およびNYC 311サービス要求の記録を空間的かつ時間的に整列させ、ルールベースのアライメントとドメインインフォームされたスポットチェックによって、90,000の構造化されたプロンプト応答ペアを生成しました。 パラメータ効率適応を用いた3つのオープンウェイト言語モデルを微調整し,2,833の持久テストケースで評価した。 Llama-3.2-3BはBLEUスコアが0.0091、Mistral-7B-Instruct-v0.3が4ビットのMistral-7B-Instruct-v0.3はBERTScore-F1が0.7747である。 このタスクはオープンエンドな構造化生成を伴うため、BLEUの低い値は、ユーティリティの独立した指標としてではなく、セマンティックメトリクスと質的な出力構造と共に解釈される。 全体として、PermitGPTは、より強力なタスクレベルの評価と実世界の検証のための方向を特定しながら、AI支援された建設ガバナンスに向けた最初のステップを提供する。

関連論文リスト

• DREAM Technical Report [53.37525197047151]
  DREAMは、既存のパイプラインの上に認識認識、オーケストレーション、監査可能なポリシ層を追加し、それを置き換えることなく、自律的な最適化制御アーキテクチャである。 DREAMには2つのコアコンポーネントがある。まず、3層Intent Engineはデバイス上の信号を構造化されたL0/L1/L2インテント表現に融合する。エッジクラウドトリガーチェーンはレポートのボリュームを約8.7%に削減する。 第2に、Meta EngineはMetaModelを使って、層状M1-to-M2-to-M3推論(インテントの要約、ストラテジーメモリに通知されるストラテジープランニング、パラメータ変換など)を定式化したM1-to-M2-to-M3推論に使用します。
  論文  参考訳（メタデータ） (2026-08-10T10:35:32Z)
• Measurement Without Validity: The Compounding Reliability Problem in Agentic AI Evaluation [0.0]
  エージェントAI評価パイプラインは、デプロイメント決定、安全認定、規制コンプライアンス要求を正当化するベンチマークスコアを生成する。 正式なフレームワークはまだ、これらのパイプラインのステージにおける妥当性の低下を特徴付けていない。 本稿では,タスク生成,人間シミュレーションキャリブレーション,自動判定の3層合成妥当性モデルを提案する。
  論文  参考訳（メタデータ） (2026-08-01T17:50:12Z)
• APO: Unsupervised Atomic Policy Optimization for 3D Structure Prediction of Atomic Systems [64.56252173115246]
  そこで本研究では, 基幹構造を不要とした非教師なしアライメントフレームワーク(Atomic Policy Optimization)を提案する。 APOは、新しい二重回帰機構を利用して、3次元原子環境にグループ相対的なポリシー最適化を適用する。 この結果から,本質的な物理的整合性は,ノイズや教師付き座標マッチングよりも優れたアライメントのガイドとなる可能性が示唆された。
  論文  参考訳（メタデータ） (2026-07-30T17:21:58Z)
• MinerU2.5-Pro: Pushing the Limits of Data-Centric Document Parsing at Scale [92.09717763663873]
  我々は、データエンジニアリングとトレーニング戦略設計を通じて、純粋に最先端の技術を進化させるMinerU2.5-Proを提案する。 コアとなるのは、カバレッジ、情報性、アノテーションの正確性を中心に設計されたData Engineだ。 我々は,MinerU2.5-Pro が OmniDocBench v1.6 上で 95.69 を達成することを示す。
  論文  参考訳（メタデータ） (2026-04-06T15:44:18Z)
• ATBench: A Diverse and Realistic Agent Trajectory Benchmark for Safety Evaluation and Diagnosis [96.92417622318267]
  ATBenchは、エージェント安全性の構造化、多様性、現実的な評価のための軌道レベルのベンチマークである。 リスクソース、障害モード、現実世界の危害の3つの側面に沿ってエージェント的リスクを編成する。 1000個の軌道(安全503個、安全497個)があり、平均9.01ターンと3.95kトークンがあり、2,084個のツールにまたがるプールから1,954個のツールが呼び出されている。
  論文  参考訳（メタデータ） (2026-04-02T13:26:20Z)
• Cognitively Layered Data Synthesis for Domain Adaptation of LLMs to Space Situational Awareness [8.378095304375154]
  BD-FDGは、不完全な知識カバレッジ、浅い認知深度、限られた品質管理性に対処するフレームワークである。 約230KサンプルのドメインデータセットであるSSA-SFTとQwen3-8Bを微調整してSSA-LLM-8Bを得る。 その結果, SSA-LLM-8Bでは, BLEU-1の相対的な改善が144% (非思考) と176% (思考) で達成された。
  論文  参考訳（メタデータ） (2026-03-10T06:04:53Z)
• Chunking, Retrieval, and Re-ranking: An Empirical Evaluation of RAG Architectures for Policy Document Question Answering [0.0]
  大規模言語モデル(LLM)の公衆衛生政策分野への統合は、疾病管理予防センター(CDC)などの機関が管理する規制ガイダンスの膨大なリポジトリをナビゲートするための変革的なアプローチを提供する。 LLMが幻覚を発生させることの正当性は、情報整合性が不可能なハイテイク環境において、これらの技術を採用する上で重要な障壁となる。 この経験的評価は、信頼できる文書コンテキストにおける生成出力を基盤として、これらのリスクを軽減するために、検索型拡張生成(RAG)アーキテクチャの有効性を探求するものである。
  論文  参考訳（メタデータ） (2026-01-21T20:52:48Z)
• Why Does the LLM Stop Computing: An Empirical Study of User-Reported Failures in Open-Source LLMs [50.075587392477935]
  オープンソースのDeepSeek、Llama、Qwenのエコシステムから、705の現実世界の失敗に関する大規模な実証的研究を行った。 ホワイトボックスオーケストレーションは、モデルアルゴリズムの欠陥からデプロイメントスタックのシステム的脆弱性へと、信頼性のボトルネックを移動させます。
  論文  参考訳（メタデータ） (2026-01-20T06:42:56Z)
• OntoMetric: An Ontology-Guided Framework for Automated ESG Knowledge Graph Construction [4.736397889087109]
  OntoMetricは、ESG規制文書を検証済みのAIおよびWeb対応の知識グラフに変換するオントロジーガイダンスフレームワークである。 OntoMetricは65-90%のセマンティック精度と80-90%のスキーマ準拠を実現している。
  論文  参考訳（メタデータ） (2025-12-01T05:21:22Z)
• Structured Uncertainty guided Clarification for LLM Agents [126.26213027785813]
  LLMエージェントは、ツールコール機能を備えた大きな言語モデルを拡張するが、曖昧なユーザ命令は、しばしば誤った呼び出しやタスクの失敗につながる。 本稿では,ツールコールパラメータに対する構造的不確かさの定式化,完全情報の期待値(EVPI)を目標としたPOMDPのモデル化,冗長性防止のためのアスペクトベースコストモデルを提案する。 我々のSAGE-Agentは、この構造化された不確実性を活用し、より優れた効率を達成するために、曖昧なタスクのカバレッジを7～39%増加させ、明確な質問を1.5～2.7$times$に減らした。
  論文  参考訳（メタデータ） (2025-11-11T21:50:44Z)
• Structural Bias for Aspect Sentiment Triplet Extraction [15.273669042985883]
  アスペクト感情三重項抽出(ASTE)には構造バイアスが利用され,性能が向上した。 構造バイアスを明示的に組み込むことは効率に悪影響を及ぼすが、事前訓練された言語モデル(PLM)はすでに暗黙的な構造を捉えることができる。 そこで本研究では,PLMにおける構造バイアスを統合するためのアダプタと,低コストで計算可能な相対的位置構造を用いて,効率上の問題に対処することを提案する。
  論文  参考訳（メタデータ） (2022-09-02T05:02:18Z)
• Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling [67.75095378830694]
  そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。 本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。 我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
  論文  参考訳（メタデータ） (2022-02-27T12:52:27Z)

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。