BuildEvo：通过LLM驱动的演化设计建筑能耗预测启发式方法
人工智能
2025-07-17 v1 神经与进化计算
摘要
准确的建筑能耗预测至关重要，但传统启发式方法往往缺乏精度，而高级模型则不透明且在忽略物理原理的情况下难以实现泛化。本文引入BuildEvo，一种新型框架，使用大型语言模型（LLM）自动设计有效且可解释的能源预测启发式方法。在演化过程中，BuildEvo指导LLM系统性地整合来自建筑特征和操作数据（例如来自Building Data Genome Project 2）的物理见解，以构建和增强启发式方法。评估表明，BuildEvo在基准测试中实现了最新性能，提供了 improved generalization and transparent prediction logic. 该工作推动了对稳健、基于物理原理的启发式方法的自动化设计，促进了复杂能源系统中可信赖模型的应用。
引用
@article{arxiv.2507.12207,
title = {BuildEvo: Designing Building Energy Consumption Forecasting Heuristics via LLM-driven Evolution},
author = {Subin Lin and Chuanbo Hua},
journal= {arXiv preprint arXiv:2507.12207},
year = {2025}
}
备注
ICML 2025 CO-Build Workshop Poster