ONESTRUCTION 借助 AWS GenAIIC 构建 Ishigaki-IDS 建筑行业基础模型：合成数据与三阶段训练实战

一句话看懂

日本建筑初创 ONESTRUCTION 用合成数据加三阶段训练，在 AWS 上打造了专为 BIM 的 IDS 标准设计的基础模型 Ishigaki-IDS，解决了数据稀缺领域的专用模型难题。

详细发生了什么

ONESTRUCTION 是一家日本建筑科技初创，专注用 openBIM 解决行业问题。在 AWS Generative AI Innovation Center（GenAIIC）的技术指导下，他们构建了 Ishigaki-IDS——一个专为建筑行业 BIM（Building Information Modeling）工作流定制的基础模型。BIM 是建筑全生命周期的数字化表示，日本因劳动力短缺而大力推广，但 BIM 采用需要专业知识，学习成本高。IDS（Information Delivery Specifications）是 2024 年发布的 XML 标准，用于定义 BIM 模型（IFC 模型）的附加信息及验证规则，编写 IDS 文件需要掌握其语法和 IFC 规则，门槛很高。Ishigaki-IDS 旨在降低这一门槛，让非 BIM 专家也能审查和管理属性信息。

构建过程中面临三大挑战：数据稀缺（IDS 是 2024 年新标准，公开数据极少）、IFC 词汇表注入（数千术语如 beam 对应 IfcBeam）、IDS 特定语法（结构随信息类型变化）。解决方案包括三阶段训练管线：持续预训练（CPT）注入领域知识，使用网络语料和内部专家生成的合成数据；监督微调（SFT）训练指令-输出对；基于可验证奖励的强化学习（RLVR），使用 buildingSMART 的 IDS-Audit-Tool 作为奖励函数，检查 XML 格式、IDS 结构有效性和语义一致性。模型基于阿里云开源的 Qwen3（8B/14B/32B），利用 AWS EC2 P5en 实例（NVIDIA H200 GPU）和 AWS ParallelCluster 进行分布式训练，数据存储于 Amazon FSx for Lustre。

评估使用自建基准 IDS-Bench，涵盖 IFC 版本、建筑专业（建筑、结构、机电、通用）、语言（日英）及 Implement/Structure/Content 轴。结果显示，Ishigaki-IDS 在 XML 结构合规和 IDS 结构合规上接近 100%，内容一致性超 80%；而通用前沿模型虽能生成良好 XML，但 IDS 结构合规低于 25%，内容一致性接近 0%。

中文圈视角

这个案例对中文圈有直接参考价值。首先，它展示了在数据稀缺的垂直领域构建专用模型的可行路径：合成数据加三阶段训练加可验证奖励。国内建筑行业同样面临 BIM 推广难、专业人才短缺的问题，类似 IDS 的标准化需求（如中国 BIM 标准）存在，但公开数据更少。Ishigaki-IDS 的方法论可复用于中文 BIM 标准或其它小众领域。

其次，模型基于 Qwen3，这是阿里云开源模型，中文能力天然有优势。国内开发者可直接借鉴其训练管线，在 ModelScope 或阿里云上复现，无需依赖海外服务。但需注意，IDS 标准本身是国际标准，中文场景可能需要适配本地规范，且 RLVR 依赖 buildingSMART 工具，国内是否有等效验证工具尚待探索。

此外，AWS 服务在国内不可直接使用，但 ParallelCluster 和 FSx for Lustre 有阿里云、华为云等替代品。整体思路比具体工具更重要，中文圈可关注合成数据生成策略和 RLVR 在结构化输出中的应用。

几条值得记住的细节

IDS 标准于 2024 年发布，是建筑信息交付规范，基于 XML，用于验证 IFC 模型属性。
三阶段训练：CPT 注入领域知识，SFT 学习指令-输出对，RLVR 用 IDS-Audit-Tool 作为奖励函数。
模型基于 Qwen3（8B/14B/32B），支持多语言，适合日英双语场景。
训练基础设施：2 个 p5en.48xlarge 节点（NVIDIA H200 GPU），AWS ParallelCluster 编排，FSx for Lustre 存储。
评估结果：Ishigaki-IDS 在 IDS 结构合规接近 100%，内容一致性超 80%；通用模型结构合规低于 25%，内容一致性近 0%。

一句话总结

Ishigaki-IDS 证明，即使数据稀缺，用合成数据和可验证奖励也能构建专业模型，对中文垂直领域有借鉴意义。