建筑工程标准对于建筑安全和可持续性至关重要。现有的标准应用工作流程依赖于基于关键词的文档检索和手动跨条款解释，这无法可靠地支持多条款推理、多模态知识利用或可追溯的条款级证据链接。为了解决这些限制，本研究开发了一个多模态知识驱动的框架，支持对标准知识的问答，称为 BEST-KAG（知识增强的建筑工程标准生成）。该框架引入了 1）一个多模态知识图（MKG）用于统一表示文档层次和异构标准知识的各种连接，2）一个基于规则和大语言模型的混合知识构建流水线，用于可扩展的多模态知识提取，创建了一个包含 251 个建筑工程标准、171,652 个节点和 310,914 条边的大的 MAG，和 3）一个基于图检索的知识增强生成架构，用于基于条款的和可追溯的问答。实验表明，BEST-KAG 在专家评估、BLEU 和 ROUGE 等指标方面始终优于多个主流的大语言模型，最好的改进达到 74.01%。 博主点评： BEST-KAG 框架为建筑工程标准的问答提供了一个创新性的解决方案，通过多模态知识图谱和大语言模型的结合，显著提高了问答的准确性和可靠性，这对建筑安全和可持续性具有重要的意义。