面向土木标准图合规审查的视觉优先多模态 RAG：直接在图纸图像上索引与推理，用 ColNomic-3B 多向量检索加 Planner-Retriever-Auditor-Synthesizer 智能体回路，MaxSim 热图作证据链；并发布来自五个州 DOT 标准图（1,898 页）的 4,056 对基准零样本检索 Recall@5 91.47%，held-out 密歇根 DOT 语料 91.40%；合成合规图上 Qwen2.5-VL-72B 管线仅在给定预解析规则阈值时达到 100% 判定准确率（非 VLM 的 OCR 基线 76.4%），还能从规范语料自动抽取数值限值而无需人工规则
模型与实验室
3.0 · 值得看
PlanSightRAG: A Visual-First Multimodal RAG for Automating Question Answering and Compliance Che...
面向土木标准图合规审查的视觉优先多模态 RAG：直接在图纸图像上索引与推理，用 ColNomic-3B 多向量检索加 Planner-Retriever-Auditor-Synthesizer 智能体回路，MaxSim 热图作证据链；并发布来自五个州 DOT 标准图（1,898 页）的 4,056 对基准零样本检索 Recall@5 91.47%，held-out 密歇根 DOT 语料 91.40%；合成合规图上 Qwen2.5-VL-72B 管线仅在给定预解析规则阈值时达到 100% 判定准确率（非 VLM 的 OCR 基线 76.4%），还能从规范语料自动抽取数值限值而无需人工规则