近日，一项发表于《国际工业化建筑会议2026》（ICIC 2026）的研究探索了如何利用大规模语言模型（LLMs）从遥感图像中推理建筑环境信息，为智慧城市应用提供支持。该研究由Dongdong Wang等人完成，核心思想是借助遥感图像来表征建筑环境，涵盖设计建议、施工可行性评估、土地利用模式识别和风险识别等关键任务。
研究团队采用了多种空间尺度的遥感图像作为多模态语言建模的输入，系统评估了它们对建筑环境相关推理任务的影响。通过实验，他们比较了当前最先进的大规模语言模型，包括InternVL和Qwen，在生成建筑环境推荐时的准确性和可靠性。结果表明，将遥感图像与大规模语言模型集成，能够有效提升智能决策支持系统的能力。
该研究指出，多尺度遥感图像提供了丰富的空间信息，使得模型能够从全局到局部全面理解建筑环境。InternVL和Qwen在任务中表现出不同的优势：InternVL在细节识别上更为精准，而Qwen在整体布局推理方面表现更优。这些发现为未来在智慧城市中选择合适的视觉-语言模型提供了参考。
研究者强调，这一方法不仅能够辅助城市规划者和建筑师进行决策，还能在灾害应急响应、基础设施评估等领域发挥重要作用。随着遥感图像分辨率的提高和大语言模型能力的不断增强，这种跨学科融合有望推动智慧城市建设迈上新台阶。该论文已在arXiv上预印发布（arXiv:2605.08404），并将在ICIC 2026上正式展示。