Система предоставления знаний для проектирования и строительства котлованов на основе LoRA и RAG
A Knowledge Service System for Foundation Pit Engineering Based on LoRA and RAG
2026-01-01
SCID: 54.1/nguwv2g5
Discuss with AI
Инженерия котловановБольшие языковые моделиАдаптация низкого ранга (LoRA)Сервис нормативных знанийГенерация с дополнением извлечением (RAG)
Figures from the paper
Abstract (AI)
Проектирование и строительство котлованов связано со сложной системой технических нормативов. Однако специалисты часто испытывают трудности при поиске соответствующих положений и их эффективной интерпретации в процессе принятия решений по строительству. Для решения этих проблем в статье представлена система предоставления знаний, интегрирующая адаптацию низкого ранга (LoRA) и генерацию с дополнением поиска (RAG). На основе 35 национальных и отраслевых стандартов был сформирован набор данных, содержащий более 8000 высококачественных пар «вопрос–ответ». LoRA применялась для параметрически эффективной доменной тонкой настройки, а RAG — для поддержки поиска в реальном времени и указания источников нормативных положений. В ходе комплексной оценки по 487 тестовым заданиям, включавшим субъективные и объективные вопросы, система достигла общей точности 82,93 %, превысив показатели модели, обученной только с помощью тонкой настройки, и модели, использующей только RAG, на 16,38 и 11,15 процентного пункта соответственно. Среднее время ответа составило 1,98 с по сравнению с 3,65 с для модели, использующей только RAG, что соответствует требованиям к отклику в реальном времени при поддержке принятия решений на строительной площадке. В рамках исследования был разработан прототип системы на основе открытых программных платформ, поддерживающий автономный вывод и обработку документов различных форматов в экспериментальной среде, что демонстрирует осуществимость и практическую жизнеспособность предложенной архитектуры. Данная работа предлагает масштабируемое решение для предоставления знаний в области проектирования и строительства котлованов и предоставляет обобщаемую архитектуру для внедрения больших языковых моделей (LLM) в других инженерных областях, ориентированных на работу с большими объёмами знаний.
Key Findings
1
Система обслуживания знаний для строительства котлованов объединяет предметную адаптацию LoRA с поиском RAG и указанием источников нормативных положений.
2
На 487 субъективных и объективных тестовых заданиях интегрированная система достигла точности 82,93%, превысив чистую тонкую настройку и чистый RAG на 16,38 и 11,15 процентных пункта соответственно.
3
Экспериментальный прототип на базе открытых фреймворков поддерживает автономный вывод и обработку документов различных форматов, демонстрируя реализуемость и потенциальную масштабируемость для других инженерных областей, насыщенных знаниями.
4
На основе 35 национальных и отраслевых стандартов сформирован набор данных, содержащий более 8000 высококачественных пар «вопрос–ответ».
5
Среднее время ответа составило 1,98 секунды против 3,65 секунды у чистого RAG, что соответствует заявленным требованиям к оперативной поддержке решений на строительной площадке.
Research Object
Система обслуживания знаний для строительства котлованов
Research Subject
Точность, эффективность поиска, время отклика и практическая жизнеспособность интегрированной с LoRA и RAG поддержки принятия строительных решений на основе нормативных знаний
Publication Details
Publication Date
2026-01-01
Journal
Publisher
ISSN
Cited by
0
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai5
Большие языковые модели кодируют клинические знания2023
Интеллект, компилируемый через аффордансы: наблюдаемое сопоставление когнитивных импедансов для LLM-интегрированных систем без мета-доступа2020
О возможностях и рисках фундаментальных моделей2021
Обзор заслуживающих доверия агентов на основе больших языковых моделей: угрозы и контрмеры2025
Адаптация больших языковых моделей к задачам геотехники2026