BIM 모델에서 특정 정보를 추출하는 것은 구조적 어려움이 있습니다. 기존 방식은 고정된 데이터 구조를 가정하지만, BIM의 다양성을 제대로 반영하지 못합니다. 연구진은 LLM 기반 에이전트가 BIM 모델의 구조를 실시간으로 파악하며 정보를 추출하는 '적응형 탐색'이라는 새로운 패러다임을 제시했습니다.
ifc-bench v2 벤치마크에서 평가 결과, 적응형 탐색은 다양한 설정에서 기존 방식인 정적 쿼리 생성보다 뛰어난 성능을 보였습니다. 이는 BIM의 다양성을 해결하는 데 있어 패러다임 전환이 더 효과적임을 시사합니다.
연구는 LLM의 역량을 활용하여 BIM 모델의 구조를 스스로 학습하고 정보 추출 과정을 최적화하는 새로운 접근 방식을 제시하며, BIM 데이터 활용의 새로운 가능성을 열었습니다.