IfcLLM：用自然语言查询 IFC 模型

IfcLLM 用关系与图双后端查询 IFC 模型，30 个场景最高 96% 准确率。

资讯摘要

论文提出 IfcLLM，一个面向 IFC 建筑数据标准的自然语言查询框架。它同时使用关系型与图两种互补的数据表示，按查询类型路由到更合适的后端，并由 LLM 智能体通过迭代重试与修正来整合两者、在失败时自动恢复。作者在三个 IFC 模型的 30 个查询场景上评测，最佳配置达到 96% 准确率；使用开放权重 LLM 的结果显示其在数据敏感的 AEC 场景中具备本地部署潜力。

要点速读

1. 框架结合关系型与图表示，按查询类型选择后端。
2. LLM 智能体通过迭代重试与修正整合两种后端，无需用户介入即可从失败中恢复。
3. 在三个 IFC 模型的 30 个查询场景上，最佳配置准确率为 96%。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。