近日，一項發表於《國際工業化建築會議2026》（ICIC 2026）的研究探索瞭如何利用大規模語言模型（LLMs）從遙感影像中推理建築環境資訊，為智慧城市應用提供支援。該研究由Dongdong Wang等人完成，核心思想是藉助遙感影像來表徵建築環境，涵蓋設計建議、施工可行性評估、土地利用模式識別和風險識別等關鍵任務。
研究團隊採用了多種空間尺度的遙感影像作為多模態語言建模的輸入，系統評估了它們對建築環境相關推理任務的影響。透過實驗，他們比較了當前最先進的大規模語言模型，包括InternVL和Qwen，在生成建築環境推薦時的準確性和可靠性。結果表明，將遙感影像與大規模語言模型整合，能夠有效提升智慧決策支援系統的能力。
該研究指出，多尺度遙感影像提供了豐富的空間資訊，使得模型能夠從全域性到區域性全面理解建築環境。InternVL和Qwen在任務中表現出不同的優勢：InternVL在細節識別上更為精準，而Qwen在整體佈局推理方面表現更優。這些發現為未來在智慧城市中選擇合適的視覺-語言模型提供了參考。
研究者強調，這一方法不僅能夠輔助城市規劃者和建築師進行決策，還能在災害應急響應、基礎設施評估等領域發揮重要作用。隨著遙感影像解析度的提高和大語言模型能力的不斷增強，這種跨學科融合有望推動智慧城市建設邁上新臺階。該論文已在arXiv上預印發布（arXiv:2605.08404），並將在ICIC 2026上正式展示。