IFC-MCQ:面向建筑信息模型的LLM代理自动多选题基准生成方法
研究者于2026年10月24日在arXiv发布IFC-MCQ方法,旨在为建筑、工程与施工(AEC)领域中基于大语言模型(LLM)的Industry Foundation Classes(IFC)数据检索系统,自动生成可精确评分的多选题基准。
推荐理由:该工作直面LLM在专业结构化数据(如IFC)上评估难、成本高的痛点,提出首个面向IFC文件的自动化多选题生成框架,覆盖15类36子类,支持可复现、可扩展的代理能力评测。
研究者于2026年10月24日在arXiv发布IFC-MCQ方法,旨在为建筑、工程与施工(AEC)领域中基于大语言模型(LLM)的Industry Foundation Classes(IFC)数据检索系统,自动生成可精确评分的多选题基准。
研究者于2026年10月24日在arXiv发布IFC-MCQ方法,旨在为建筑、工程与施工(AEC)领域中基于大语言模型(LLM)的Industry Foundation Classes(IFC)数据检索系统,自动生成可精确评分的多选题基准。
推荐理由:该工作直面LLM在专业结构化数据(如IFC)上评估难、成本高的痛点,提出首个面向IFC文件的自动化多选题生成框架,覆盖15类36子类,支持可复现、可扩展的代理能力评测。