ONESTRUCTION 如何在 AWS GenAIIC 支持下构建 Ishigaki-IDS 基础模型
摘要
ONESTRUCTION在AWS GenAIIC的技术咨询下，通过合成数据和CPT/SFT/RLVR三阶段训练管线，构建了建筑BIM领域基础模型Ishigaki-IDS，旨在降低非专业人员编写IDS文件的门槛。
核心要点
- IDS是2024年发布的XML标准，用于定义并验证BIM模型（IFC）中的信息，但编写需要掌握其语法和IFC规则。
- 建筑领域公共语料稀缺，合成数据覆盖了训练语料的大部分，以解决数据不足问题。
- 模型基于阿里云开源Qwen3（8B/14B/32B），先在较小规模实验再扩展至32B。
- RLVR阶段使用buildingSMART的IDS-Audit-Tool作为奖励函数，检查XML格式、IDS结构有效性与语义一致性。
- 分布式训练使用Amazon EC2 P5en实例和AWS ParallelCluster完成。
原文佐证
- IDS is a relatively new standard, published in 2024, and construction in general is a domain with limited public web content.
- We built Ishigaki-IDS on top of Qwen3 (8B / 14B / 32B), an open-source large language model (LLM) from Alibaba Cloud known for strong multilingual capabilities and a wide range of parameter sizes.
- Third, in reinforcement learning with verifiable rewards (RLVR) , we used IDS-Audit-Tool from buildingSMART, the international standards body, as the reward function.
AI 洞察
该案例展示了在数据稀缺的垂直行业中，通过合成数据与可验证奖励的强化学习，可以从开源模型出发构建领域专用基础模型，形成可复用的范式。这也反映出云厂商正通过GenAIIC等专家咨询服务深度介入企业AI落地，以推动自身算力基础设施消费，未来更多B端模型或将采用类似的“开源底座+领域微调+云上训练”路线。