利用大语言模型（LLM）和检索式问答系统（RAG），从自然语言中提取信息来驱动自动化预制桥梁建模的过程

摘要

在预制桥梁的设计中，将非结构化的自然语言要求转换为标准化的建筑信息模型（BIM）模型仍然是一个关键的效率瓶颈。现有的BIM工具缺乏自然语言与工程标准之间的知识驱动对齐机制，也无法实现从文本指令到几何建模的端到端自动化。为了解决这些挑战，我们提出了AutoBIM框架，该框架整合了大型语言模型（LLM）、检索增强生成（RAG）和结构化提示，以自动化地将开放领域的指令转换为完全符合规范的BIM模型。其核心创新在于利用RAG将LLM的输出基于经过验证的标准组件知识库进行校准，从而消除错误结果，确保参数的100%准确性，并严格遵守工程规范。通过一个真实的预制箱梁桥案例的实验结果表明，AutoBIM在处理各种指令时都能实现100%的成功率，建模过程大约只需3.5分钟——显著优于纯LLM方法和基于关键词的方法。这项工作展示了LLM与RAG集成在语义驱动的标准化工程设计中的潜力，并为建筑、工程和施工（AEC）行业中的智能BIM建模提供了一条可行的知识驱动技术路径。