arXiv cs.AI· Jack Wei Lun Shi, Minghao Dang, Wawan Solihin, Justin K. W. Yeoh·· 13 小时前AI 评分21
P4IR：用强化学习提升基于 LLM 的建筑规范自动合规系统
Reinforcement learning to improve large language model-based automated code compliance systems
AI 导读
P4IR 是一个两阶段框架，先用监督微调（SFT）向 LLM 注入领域知识，再用 GRPO 提升生成高层代码骨架这类中间表示的准确性。相对 SFT 基线，树编辑距离和 token 级 Levenshtein 距离最终分别最多降低 21.3% 和 41.0%。零样本设置下其代码结构与语义均优于通过 few-shot 提示评测的领先 LLM，GRPO 阶段还显著减少了误报。
正文 · AI 翻译
摘要：基于大语言模型（LLM）的建筑法规自动化合规检查（ACC）方法容易生成错误且存在幻觉的计算机可处理规则。本文提出 P4IR，一个两阶段框架：先通过监督微调（SFT）向 LLM 注入领域知识，再通过组相对策略优化（GRPO）提升所生成中间表示（以高层代码骨架形式呈现）的准确性。相对于 SFT 基线，该框架最终将树编辑距离和词元级 Levenshtein 距离分别最多降低了 21.3% 和 41.0%。对比分析表明，在零样本设置下，该方法在代码结构和语义两方面均优于通过少样本提示评估的领先 LLM。此外，GRPO 阶段在统计上显著减少了误报。通过将 SFT 与 GRPO 结合以直接针对领域特定目标进行优化，该方法为构建更准确、更可靠的基于 LLM 的 ACC 系统提供了一条路径。
| 评论： | 22 页，12 幅图，1 张表 |
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI）；计算与语言（cs.CL）；机器学习（cs.LG） |
| ACM 分类： | I.2.6；I.2.7；J.6 |
| 引用为： | arXiv:2606.22402 [cs.SE] |
| （或本版本使用 arXiv:2606.22402v2 [cs.SE]） | |
| https://doi.org/10.48550/arXiv.2606.22402 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jack Wei Lun Shi [查看邮箱]
[v1]
2026 年 6 月 21 日周日 09:17:02 UTC（774 KB）
[v2]
2026 年 10 月 29 日周四 14:37:41 UTC（1,953 KB）
来源：arXiv cs.AI · arxiv.org