arXiv cs.AI· Jiaxin Zhang, Yao Luo, Yuze Dan, Yunqin Li, Bowen Wang·· 4 小时前AI 评分31
IfcGym:用可验证检查器作训练信号,让语言模型智能体学会编辑 IFC 建筑模型
Learning to Edit IFC Building Models: Verifiable Checkers as the Training Signal for Dependency-Aware Editing Agents
AI 导读
研究者提出 IfcGym,一个让语言模型通过可执行代码编辑 IFC 建筑模型的 CodeAct 环境,用四个检查器分别验证有效性、意图、依赖关系和保留性,四者同时通过才算严格成功。
正文 · AI 翻译
摘要:在 Industry Foundation Classes(IFC)模式中编辑建筑信息模型,需要将变更传播到依赖元素,同时保持无关实体不变。现有的用于 IFC 编辑的语言模型智能体使用提示模型,而不从编辑结果中学习。目标文件比较并未指明允许哪些替代编辑,或哪些无关实体必须保持不变。我们提出 IfcGym,一个 CodeAct 环境,其中语言模型通过可执行代码编辑 IFC,并由四个检查器依据任务规范验证其相对于输入模型的有效性、意图、依赖性和保持性。它们的合取即为严格成功。IfcEdit 通过监督微调(SFT)将经过验证的教师回合蒸馏到 Qwen3.5-9B 学生模型中,然后应用以严格成功为奖励的 Group Relative Policy Optimization(GRPO)。在 IfcEditBench(13 个留出真实项目上的 1,990 个编辑任务)上,最终学生模型达到 86.78% 的严格成功率,而 SFT 后为 79.15%。与其教师模型差异的配对置信区间包含零;同样的配方在 27B 模型上达到 91.76%,并超过教师模型。在公开基准 BIM-Edit 和 BIBIMBAP 上,最终学生模型得分分别为 55.19 和 54.50。在 IfcEditBench 上,在匹配工具访问条件下,学生模型优于除教师模型外的所有提示模型;两个被评估的框架得分也更低。对全部四个检查器给予奖励,比仅对意图和有效性给予奖励的严格成功率高 4.83 个百分点。
| 学科: | 人工智能(cs.AI) |
| 引用为: | arXiv:2611.22307 [cs.AI] |
| (或此版本的 arXiv:2611.22307v1 [cs.AI]) | |
| https://doi.org/10.48550/arXiv.2611.22307 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Bowen Wang [查看电子邮件]
[v1]
2026年11月17日星期二 07:06:17 UTC(972 KB)
来源:arXiv cs.AI · arxiv.org