用于构建建筑领域通用大型语言模型数据集的框架

《ADVANCED ENGINEERING INFORMATICS》：A framework for constructing datasets for construction-domain-general large language models

　　

马志良|周俊宇|刘刚|宋银浩|邓秀芝|李江

摘要

提供领域知识的数据集对于开发大型语言模型（LLMs）以解决知识密集型问题至关重要，而建筑领域通用（CDG）LLMs则是建筑领域应用型LLMs的基础。本文提出了一个用于构建CDG LLMs数据集的框架（称为“CDG数据集”）。本文探讨了如何系统且高效地构建CDG数据集的研究问题。首先，通过回顾建筑领域及其他领域LLMs数据集的相关研究来确定研究方法；接着分析CDG数据集的应用需求和技术要求；最后，基于需求分析提出了构建CDG数据集的框架，并通过案例研究和专家研讨会进行了验证。所提出的框架为建筑领域的CDG数据集构建提供了逐步指导，直接支持CDG LMMs的开发，并可适用于其他应用型LLMs，从而填补了建筑领域LLMs应用方面的空白。