基于大型语言模型的设计文档理解，用于语义知识提取和设计验证

摘要 设计文档包含设计师意图、决策标准和限制等基本设计知识，并广泛用于支持准确且一致的产品开发。大多数设计文档内容庞大，采用非结构化的自然语言文本，使得人类很难高效地手动读取和检索相关信息。为了解决这一难题，本研究提出了一种基于大型语言模型的设计文档理解方法，用于结构化组织嵌入在非结构化设计文档中的隐式设计信息。提出了一种句子级语义分类框架，根据定量和功能特征对设计句子进行分类。此外，还利用上下文信息自动识别每个句子描述的设计对象。通过微调各种自然语言处理（NLP）模型和大型语言模型，进行设计语义分类和设计对象识别实验，分别达到了87.2%和91.0%的准确率。此外，基于真实3D CAD模型进行自动化设计验证的案例研究表明，所提方法可以直接应用于设计自动化任务。