본 논문은 건축, 엔지니어링, 건설(AEC) 산업에서 BIM(Building Information Modeling)과 모델 기반 설계의 도입을 저해하는 요소 중 하나인 BIM 저작 도구 사용의 어려움을 해결하기 위해, 사용자의 과거 상호작용을 기반으로 실시간으로 최적의 다음 작업을 예측하는 BIM 명령 추천 프레임워크를 제안한다. 대규모 원시 BIM 로그 데이터에 대한 포괄적인 필터링 및 향상 방법을 제안하고, 새로운 명령 추천 모델을 소개한다. 이 모델은 대규모 언어 모델(LLM)을 위해 개발된 최첨단 Transformer 백본을 기반으로 하며, 사용자 정의 기능 융합 모듈, 전용 손실 함수 및 목표 학습 전략을 통합한다. Vectorworks BIM 저작 소프트웨어에서 수집된 320억 개 이상의 실제 로그 데이터에 제안된 방법을 적용한 결과, 서로 다른 국가, 분야 및 프로젝트에 걸친 익명 사용자 상호 작용 시퀀스에서 범용적이고 일반화 가능한 모델링 패턴을 학습할 수 있음을 보여준다. 다음 명령에 대한 추천을 생성할 때, 제안된 방법은 약 84%의 Recall@10을 달성한다.
