مهندس التعلم الآلي (LLM التركيز)

SWATX

تفسير نص اللوائح: تطوير وتحسين خطوط الأنابيب المعتمدة على LLM لتحليل وفهم النصوص التنظيمية (رموز البناء، المعايير، إلخ)، واستخراج الشروط والمتطلبات الرئيسية. على سبيل المثال، تنفيذ نماذج معتمدة على التعليمات أو نماذج معدلة (مثل GPT-4) لاستخراج القواعد الهيكلية من النص في محاولة واحدة أو محاولات قليلة mdpi.com .

صياغة القواعد: تحويل اللوائح المفسرة إلى تمثيلات هيكلية (مثل مجموعات الكائن-الخاصية-الشرط-القيمة أو العبارات المنطقية) التي يمكن لمحرك الامتثال استخدامها mdpi.com mdpi.com . يتضمن ذلك تعريف المخططات أو التسميات لمكونات القواعد (مثل ما هو العنصر الذي يتم تنظيمه، وما هي الخاصية، ومشغل الشرط، والقيمة المطلوبة).

استعلام IFC عبر معالجة اللغة الطبيعية: تمكين النظام من استعلام بيانات التعريف لنموذج BIM باستخدام مدخلات اللغة الطبيعية أو القواعد المستخرجة. تصميم طرق لـ LLM لرسم متطلبات القواعد إلى كيانات ومميزات IFC محددة. على سبيل المثال، إذا كانت القاعدة تقول إن مساحة غرفة المعيشة يجب أن تكون 10 م، تأكد من أن النموذج يمكنه تحديد كائنات IfcSpace من نوع غرفة المعيشة واسترجاع خاصية المساحة الخاصة بهم.

التعاون في نماذج المعرفة: العمل عن كثب مع مهندسي الحوسبة وBIM لتوافق مخرجات LLM مع مخطط بيانات BIM والأنطولوجيا. التأكد من أن المصطلحات في اللوائح تتوافق مع الفئات الصحيحة أو أسماء الخصائص في IFC (مثل ارتفاع السقف الذي يتم رسمه إلى السمة الصحيحة في IFC).

دمج النموذج: دمج LLM في خط الأنابيب العام، باستخدام استرجاع معزز بالتوليد لجلب معلومات النموذج ذات الصلة. على سبيل المثال، استخدام LLM لإنشاء استعلامات أو فلاتر لقاعدة بيانات نموذج BIM بناءً على فقرة تنظيمية.

الاختبار والتنقيح: تقييم تفسيرات LLM مقابل اللوائح النموذجية والنتائج المتوقعة. تنقيح التعليمات وبيانات التدريب أو معلمات النموذج لتحسين الدقة في التقاط نية اللوائح. معالجة الحالات الحدية حيث تكون اللوائح غير واضحة أو تحتوي على شروط متداخلة، مما يضمن أن LLM يمكنه التعامل مع هياكل الجمل المعقدة mdpi.com .

المهارات والمؤهلات المطلوبة

معالجة اللغة الطبيعية (NLP): خلفية قوية في معالجة اللغة الطبيعية ونماذج اللغة، مع خبرة في نماذج LLM المعتمدة على المحولات (مثل GPT، BERT، إلخ). فهم هندسة التعليمات وتقنيات التعديل لمهام اللغة الخاصة بالمجال.

معرفة المجال التنظيمي: القدرة على فهم لوائح البناء أو الاستعداد لتعلم المصطلحات. مريح في التعامل مع النصوص القانونية / التقنية واستخراج المعاني.

برمجة أطر ML: إتقان في Python ومكتبات ML (TensorFlow/PyTorch، HuggingFace Transformers). القدرة على كتابة نصوص لمعالجة البيانات (تنظيف النص، التقطيع) وتنفيذ خطوط أنابيب الاستدلال.

هياكل البيانات واستعلاماتها: الإلمام بـ JSON، XML، أو تنسيقات البيانات الهيكلية الأخرى لإخراج القواعد. فهم أساسي لقواعد البيانات أو هياكل الرسوم البيانية هو ميزة، للمساعدة في صياغة كيفية تنظيم استعلامات بيانات BIM.

المهارات التحليلية: تفكير منطقي ممتاز لتصميم مخططات القواعد والتحقق من أن مخرجات LLM تتماشى مع المنطق الواقعي. الانتباه للتفاصيل في التعامل مع الوحدات، والعتبات، والمنطق الشرطي من اللوائح.

التعاون: مهارات تواصل جيدة للعمل مع مهندسين من تخصصات أخرى (الهندسة، الخلفية) وضمان أن مخرجات نموذج اللغة قابلة للاستخدام في سياقاتهم.