ONESTRUCTION rakentaa Ishigaki-IDS-BIM-perusmallin AWS GenAIIC:n kanssa
Alibaba/Qwen
Amazon Web Services
ONESTRUCTION, Inc.
ONESTRUCTION, japanilainen rakennusalan teknologiayritys, on rakentanut Ishigaki-IDS:n, joka on rakennusalan BIM-työnkulkuihin erikoistunut perusmalli, AWS Generative AI Innovation Centerin teknisellä neuvonnalla. Qwen3-pohjainen malli käyttää synteettistä dataa ja kolmivaiheista koulutusputkea (CPT, SFT, RLVR) voittaakseen datapulan ja saavuttaakseen korkean tarkkuuden IDS-generoinnissa.
Rakennusalan teknologiayritys ONESTRUCTION on rakentanut Ishigaki-IDS:n, joka on rakennusalan BIM-työnkulkuihin erikoistunut perusmalli. Sen teknisenä neuvonantajana toimi AWS Generative AI Innovation Center osana GENIACin kolmatta vaihetta. Malli pohjautuu Qwen3:een ja se ratkoo kolmea haastetta: uuden IDS-standardin datan niukkuutta, tuhansia termejä käsittävän IFC-sanaston lisäämistä sekä IDS-kohtaista kielioppia. Näiden voittamiseksi ONESTRUCTION käytti synteettistä datan tuottamista alan asiantuntijoiden kanssa sekä kolmivaiheista koulutusputkea: jatkettu esikoulutus, ohjattu hienosäätö ja vahvistusoppiminen todennettavissa olevilla palkkioilla. Vahvistusoppimisessa he käyttivät buildingSMARTin IDS-Audit-Työkalua palkkiofunktiona varmistaakseen XML:n hyvinmuodostuneisuuden, IDS:n rakenteellisen kelpoisuuden ja semanttisen johdonmukaisuuden. He kouluttivat Amazon EC2 P5en -instansseilla AWS ParallelClusterin avulla ja tallensivat tiedot Amazon FSx for Lustre -palveluun. Omalla IDS-Bench-vertailuarvollaan tehdyssä arvioinnissa Ishigaki-IDS saavutti lähes 100 prosentin tuloksen XML- ja IDS-rakenteiden noudattamisessa ja yli 80 prosenttia IDS-sisällön johdonmukaisuudessa, kun taas yleiset huippumallit jäivät rakenteiden noudattamisessa alle 25 prosenttiin ja sisällön johdonmukaisuudessa lähelle nollaa. Malli tukee kontekstin pituuden skaalausta YaRN-menetelmällä, tuottaen oikein jopa noin 120 000 tokenin syötteillä ja tulosteilla. Yhteinen konseptitodistus buildingSMARTin kanssa sai myönteistä palautetta sekä IDS-asiantuntijoilta että ei-asiantuntijoilta. Opittuihin asioihin kuuluu synteettisen datan laadun tärkeys määrän sijaan, todennettavissa olevien palkkioiden nopeuttava vaikutus iterointiin sekä vakaan infrastruktuurin mahdollistama vapaa kokeilu.
Lähde: AWS ML blog —
Alkuperäinen
