---
format: "aidr-story-markdown/v1"
id: "fd4092e3115c0e96f5d86356ea0d063712c8012f7387e441b3490ef2d5d7ba7c"
canonical_url: "https://aidr.today/fd4092e3?lang=vi"
title: "BIBIMBAP là benchmark cho lập trình tự động dựa trên BIM theo hướng hướng dẫn"
lang: "vi"
requested_lang: "vi"
available_langs: ["en","vi"]
translation_fallback: null
fallback_fields: []
published_at: "2026-11-10T05:00:00.000Z"
category: "Data"
topics: ["llm","data-engineering"]
source_urls: ["https://arxiv.org/abs/2611.09933"]
summary: "LLMs đang nổi lên như giao diện ngôn ngữ tự nhiên cho Building Information Modeling BIM, thành công trong việc truy xuất thông tin nhưng chưa có benchmark nào đánh giá khả năng chỉnh sửa Industry Foundation Classes IFC của chúng. Nhóm tác giả giới thiệu BIBIMBAP, một benchmark Text-to-BIM với 100 tác vụ được tuyển chọn bao gồm các thao tác CRUD trên các hạng mục không gian, hình học, tô pô, số học và khái niệm. Mỗi tác vụ bao gồm một prompt ngôn ngữ tự nhiên, một mô hình IFC, các đầu ra có cấu trúc mong đợi và các script kiểm tra để đánh giá tự động. Kết quả cơ sở cho thấy hiệu suất hạn chế (tốt nhất: 50,2%) và thất bại thường xuyên trong việc bảo toàn ràng buộc và suy luận không gian, dù có một số đầu ra đúng đạt được bất chấp suy luận sai sót."
---

# BIBIMBAP là benchmark cho lập trình tự động dựa trên BIM theo hướng hướng dẫn

> [Open the canonical story](<https://aidr.today/fd4092e3?lang=vi>)

**Published:** 2026-11-10T05:00:00.000Z
**Category:** Data
**Topics:** llm, data\-engineering

## Summary

LLMs đang nổi lên như giao diện ngôn ngữ tự nhiên cho Building Information Modeling BIM, thành công trong việc truy xuất thông tin nhưng chưa có benchmark nào đánh giá khả năng chỉnh sửa Industry Foundation Classes IFC của chúng\. Nhóm tác giả giới thiệu BIBIMBAP, một benchmark Text\-to\-BIM với 100 tác vụ được tuyển chọn bao gồm các thao tác CRUD trên các hạng mục không gian, hình học, tô pô, số học và khái niệm\. Mỗi tác vụ bao gồm một prompt ngôn ngữ tự nhiên, một mô hình IFC, các đầu ra có cấu trúc mong đợi và các script kiểm tra để đánh giá tự động\. Kết quả cơ sở cho thấy hiệu suất hạn chế \(tốt nhất: 50,2%\) và thất bại thường xuyên trong việc bảo toàn ràng buộc và suy luận không gian, dù có một số đầu ra đúng đạt được bất chấp suy luận sai sót\.

## Sources

- [Story source](<https://arxiv.org/abs/2611.09933>)