Зебо, таъсирбахш, мураккаб ё бо муҳити атроф ҳамоҳанг дониста шудани як бино аз ҷониби одамон танҳо аз хусусиятҳои физикии худи бино барнамеояд. Арзёбӣ ҳамчунин аз таҷрибаҳои пешинаи нозир, касб, дониши меъморӣ, афзалиятҳои шахсӣ ва муқоисаи ӯ бо биноҳое, ки қаблан дидааст, шакл мегирад. Ин таҳқиқот кӯшиш мекунад арзёбии эстетикии ёдмонҳои шаҳриро бо низоми бисёрагентае ҳисоб кунад, ки Моделҳои Калони Забонӣ (Large Language Models; LLM)-ро истифода мебарад.

Ҳамчун ҳолати омӯзишӣ Варзишгоҳи Миллии Пекин, ки бо номи маъмули Bird's Nest шинохта мешавад, истифода шудааст. Низом аз се агенти махсусгардонидашудаи зеҳни сунъӣ иборат аст. Visual Perception Agent (VPA) хусусиятҳои физикии биноро аз тасвирҳо ба тавсифҳои матнии объективӣ табдил медиҳад. Behavioral Fitting Agent (BFA) бо истифода аз хусусиятҳои демографии корбар ва афзалиятҳои гузашта профили рафторӣ месозад. Fusion & Reasoning Agent (FRA) бошад, воқеиятҳои визуалиро бо профили корбар муттаҳид карда, холҳои эстетикиро пешгӯӣ мекунад.

Такмили асосии таҳқиқот, яъне Comparative Case-based Cognitive Schema (CCCS), арзёбиҳои воқеии шахсро нисбат ба чор варзишгоҳи дигар ҳамчун истиноди маърифатӣ истифода мебарад. Бе CCCS моделҳо асосан ба тамоюли миёнаи эстетикии ҷомеа наздик мешаванд ва фарқиятҳои инфиродиро суст пайгирӣ мекунанд. Вақте таърихи афзалиятҳои муқоисавӣ илова мешавад, коррелятсияҳои Pearson-и моделҳо, ки тағйирёбии инфиродиро пайгирӣ мекунанд, ба таври назаррас боло мераванд.

Дар низоми такмилёфта баландтарин арзиши умумии relaxed accuracy %82,07 ва MAE 0,887 гузориш шудааст. Аммо relaxed accuracy дар миқёси Likert аз 1–5 пешгӯиро дуруст мешуморад, агар он аз холи воқеии корбар дар ҳудуди ±1 хол бошад. Аз ин рӯ ин нишондиҳанда набояд ҳамчун дақиқии як-ба-яки синф тафсир карда шавад.

Чаро эстетикаи шаҳриро танҳо бо худи бино шарҳ додан мумкин нест?

Меъморон ва шаҳрсозон метавонанд биноро аз рӯи шакл, таносуб, низоми борбардор, таркиби фасад ё робита бо муҳит арзёбӣ кунанд. Корбари оддӣ бошад, метавонад ба ҳамон бино бештар ба таври интуитивӣ муносибат кунад ва вокунишҳои эҳсосӣ ва маърифатӣ, монанди “писандида”, “сард”, “таъсирбахш”, “мураккаб”, “бегона” ё “бо муҳит ҳамоҳанг”-ро нишон диҳад.

Таҳқиқот ин фарқиятро ҳамчун холигии маърифатӣ байни тарроҳон ва корбарон баррасӣ мекунад. Пурсишҳои анъанавии Post-Occupancy Evaluation (POE; арзёбии пас аз истифода) метавонанд ин холигиро чен кунанд; аммо ҷамъоварии намунаи калон вақт ва хароҷот талаб мекунад ва азбаски онҳо пас аз анҷоми тарҳ гузаронида мешаванд, натиҷаҳо бештар хусусияти бознигарона доранд.

Ҳадафи муҳаққиқон аз байн бурдани бозхӯрди инсонӣ нест, балки васеъ кардани маълумоти маҳдуди воқеии инсонӣ бо симулятсияҳои бар LLM асосёфта барои сохтани низоми арзёбиест, ки дар марҳилаи тарроҳӣ барвақттар истифода шавад.

Арзёбии Эстетикӣ Дар Кадом 12 Андоза Гузаронида Мешавад?

Таҳқиқот вокуниши эстетикиро ҳамчун сохтори 12-андоза модел мекунад, ки аз ҳафт тағйирёбандаи шаклӣ, се абстрактӣ ва ду эҳсосӣ иборат аст.

Маълумоти воқеии инсонӣ чӣ гуна ҷамъоварӣ шуд?

Пурсиш танҳо ба шахсоне пешниҳод шуд, ки Bird's Nest-ро воқеан аз наздик дида ва боздид карда буданд. Ҷамъоварии маълумот моҳи феврали 2026 ба анҷом расид ва баъди хориҷ кардани ҷавобҳои беэътибор 1.201 иштирокчӣ боқӣ монд.

Азбаски %82,4 иштирокчиён варзишгоҳро ҳадди ақал ду бор дидаанд, маҷмӯи маълумот бештар корбарони то андозае бо бино ошноро намояндагӣ мекунад, на сайёҳони бори аввал дида.

Бо вуҷуди ин, ҳиссаи %91,2-и заминаи санъат/меъморӣ хеле баланд аст. Аз ин рӯ бе санҷиши иловагӣ натиҷаҳои таҳқиқотро ҳамчун “афкори миёнаи ҷомеаи умумӣ” арзёбӣ кардан мувофиқ нест.

Арзёбии Likert

Корбарон қаноатмандии умумии эстетикии худ ва 12 андозаи ҷудогонаи эстетикиро:

1 = комилан норозӣ

то

5 = комилан розӣ

арзёбӣ кардаанд.

Барои табдил додани тартиби аҳамияти хусусиятҳои визуалӣ аз назари корбар ба вазни рақамӣ Linear Rank Weighting истифода шудааст:

\[ W=\frac{M-r+1}{M} \]

Дар ин ҷо \(M\) шумораи умумии нишондиҳандаҳо дар як категория ва \(r\) ҷойгоҳест, ки корбар ба хусусияти мазкур додааст.

CCCS Чист ва Чӣ Гуна Афзалияти Инфиродиро Гирифтанӣ Мешавад?

Comparative Case-based Cognitive Schema ба ҷойи пешгӯии арзёбии Bird's Nest танҳо аз хусусиятҳои демографии шахс, холҳои воқеие, ки ӯ қаблан ба варзишгоҳҳои дигар додааст, ҳамчун хотираи эстетикии шахсӣ истифода мебарад.

Чор бинои муқоисавӣ

Илова ба Bird's Nest, чор варзишгоҳи Чин истифода шудааст:

• Chengdu Fenghuangshan Sports Park Football Stadium
• Shanghai Pudong Football Stadium
• Xi'an Olympic Sports Center Stadium
• Quzhou Stadium

Ин биноҳо махсусан барои он интихоб шуданд, ки хусусиятҳои гуногуни шакл, мавод, бофтор, бастагӣ ва робита бо муҳит доранд.

Масалан, Bird's Nest дар манбаъ бо шабакаи бесарусомони пӯлоди бофташуда ва миқёси монументалӣ тавсиф мешавад; Quzhou Stadium бошад, ҳамчун меъмории топографӣ, бо манзара ҳамгиро ва органикӣ тавсиф шудааст. Ба ин васила аз мисолҳои муқоисавӣ метавон муайян кард, ки корбар ба кадом хусусиятҳои визуалӣ мусбат ё манфӣ вокуниш нишон медиҳад.

Стандартизатсияи ангезандаҳои визуалӣ

Барои ҳар як бино ду тасвир истифода шудааст:

• намуди ҳавоӣ дар миқёси макро,
• намуди наздик, ки ҷузъиёти фасад ва маводро нишон медиҳад.

Ҳадаф ворид кардани на танҳо силуэти умумӣ, балки бофтор ва хусусиятҳои тектоникӣ дар миқёси микро ба низоми арзёбӣ мебошад.

Се Агенти Зеҳни Сунъӣ Кадом Вазифаҳоро Иҷро Мекунанд?

1. Visual Perception Agent — VPA

VPA тасвири варзишгоҳро мустақиман ҳамчун “зебо/зишт” арзёбӣ намекунад. Вазифаи он табдил додани тасвир ба тавсифҳои объективии физикӣ мебошад.

Масалан:

“exposed, unpainted Q460 steel”

метавонад чунин тавсифи физикии маводро тавлид кунад.

Тавсифҳое, ки агент дар 10 андозаи визуалӣ тавлид мекунад, камтар аз 20 калима нигоҳ дошта шуда, истифодаи сифатҳои субъективии эҳсосӣ тавассути prompt маҳдуд шудааст.

2. Behavioral Fitting Agent — BFA

BFA профили рафтори эстетикии корбарро месозад.

Аввал номзадҳои мувофиқро аз рӯи ҷинс, синну сол, касб ва хусусиятҳои монанди демографӣ филтр мекунад. Сипас монандии косинусӣ байни векторҳои хусусият-вазни корбарон ҳисоб карда мешавад.

Ба корбари ҳадаф монандтарин:

\[ K=20 \]

чунин гурӯҳ интихоб мешавад.

Арзёбии миёнаи ин гурӯҳ Social Baseline, яъне холи ибтидоии иҷтимоӣ мешавад.

Ҳангоми фаъол будани CCCS, ҷавобҳои пешинаи корбар нисбат ба чор варзишгоҳи муқоисавӣ низ ба профил илова мешаванд. Ҳамин тавр низом на танҳо саволи “одамони ин гурӯҳи синнусолӣ чӣ фикр мекунанд?”, балки саволи “ин шахси мушаххас дар гузашта кадом навъи меъмориро дӯст медошт?”-ро низ истифода мебарад.

3. Fusion & Reasoning Agent — FRA

FRA хусусиятҳои объективии бино аз VPA-ро бо модели корбари BFA муттаҳид мекунад.

Мантиқи асосӣ:

1. Аз K=20 ҳамсоя холи ибтидоии иҷтимоӣ соз.
2. Хусусиятҳои физикии бинои ҳадафро аз VPA гир.
3. Ба афзалиятҳои мусбат/манфии гузаштаи корбар нигар.
4. Агар хусусиятҳо бо афзалияти мусбат мувофиқ бошанд, холро боло бар.
5. Агар бо афзалияти манфӣ мувофиқ бошанд, поён бар.
6. Агар мувофиқати афзалияти гузашта набошад, ба social baseline баргард.

Ин равиш барои маҳдуд кардани тавлиди озоди далелҳои эстетикӣ аз ҷониби модел дар набудани контекст тарҳрезӣ шудааст.

Чаро як пешгӯӣ панҷ бор иҷро мешавад?

Баромадҳои LLM бинобар ҳарорат ва намунагирии token стохастикӣ мебошанд. Аз ин рӯ FRA барои ҳар ҷуфти корбар–бино як вазифаро:

\[ N=5 \]

бор мустақилона иҷро мекунад.

Холи ниҳоӣ миёнаи арифметикии панҷ пешгӯӣ мебошад.

Манбаъ инро Ensemble Averaging Strategy меномад.

Усул ва Натиҷаҳои Таҳқиқот

Ҳамоҳангии дохилии пурсиш

Ин натиҷаҳо ҳамоҳангии баланди дохилии абзори арзёбии 12-тағйирёбандаиро дар маҷмӯи маълумоти манбаъ дастгирӣ мекунанд.

Чаро даҳ LLM-и гуногун санҷида шуд?

Барои муайян кардани он ки оё низом ба як модели асосӣ вобаста аст ё не, даҳ LLM аз категорияҳои ҳам хусусӣ ва ҳам open-weights дар доираи як сохтори умумии агентӣ арзёбӣ шуданд.

Дар байни моделҳои баррасишуда дар манбаъ GPT-5.1, GPT-5.2, GPT-4.1, Gemini 2.5 Flash, Gemini 3 Flash, Claude 4.5, GLM 4.7, Qwen 3, Llama 3.3 ва DeepSeek ҳастанд.

Ҳамаи моделҳо тавассути API-ҳои расмии абрӣ, дар як сохтори вазифа иҷро шуда, reasoning temperature:

\[ T=0,7 \]

муқаррар шудааст. Баромадҳо бо формати ҳатмии JSON маҳдуд карда шудаанд.

Relaxed Accuracy дақиқан чӣ маъно дорад?

Метрикаи асосии дақиқии таҳқиқот:

\[ |Pred-True|\le1 \]

шарт мебошад.

Масалан, агар холи воқеии корбар 4 бошад:

• 3 → аз рӯи relaxed дуруст,
• 4 → аз рӯи relaxed ва exact дуруст,
• 5 → аз рӯи relaxed дуруст,
• 1 ё 2 → аз рӯи relaxed нодуруст

ҳисобида мешавад.

Аз ин рӯ ҳангоми арзёбии relaxed accuracy таҳаммулпазирии ±1-и миқёси 5-категориягӣ бояд ҳатман ба назар гирифта шавад.

Иҷроиши асосӣ бе афзалияти муқоисавӣ

Вақте CCCS истифода нашуд, баландтарин relaxed accuracy-и умумӣ:

GPT-5.1: %80,43

гузориш шудааст.

Манбаъ нишон медиҳад, ки ҳамаи моделҳо тавонистаанд аксари пешгӯиҳоро дар минтақаи ±1-и холи дурусти Likert нигоҳ доранд, аммо дар гирифтани фарқиятҳои инфиродии шахсият/афзалият душворӣ доштаанд.

Низом дар куҷо муваффақтар аст?

Низоми асосӣ махсусан дар:

• мутобиқати муҳитӣ,
• писандӣ,
• мавод

монанди андозаҳои умумитарини идрок қавӣ аст.

Дар муқобил:

• ороиш ва ҷузъиёт,
• таъсирбахшӣ

монеаҳои асосии пешгӯӣ мебошанд.

Муҳаққиқон инро ба нокифоя будани нишонаҳои демографӣ барои шарҳи афзалиятҳои микро-визуалӣ ва эҳсосоти дорои барангехтагии баланд марбут медонанд.

Бо Илова Шудани CCCS Чӣ Тағйир Ёфт?

Вақте таърихи биноҳои муқоисавӣ илова шуд, тағйирот на танҳо дар дақиқии умумӣ, балки дар қобилияти моделҳо барои пайгирии фарқиятҳои инфиродии корбар низ равшантар гардид.

Нуқтаи муҳими ин натиҷаҳо чунин аст: relaxed accuracy дар низоми асосӣ аллакай тақрибан дар сатҳи %80 аст. Таъсири асосии CCCS на чанд банди афзоиши дақиқии умумӣ, балки беҳтар пайгирӣ кардани тамоюли одамон ба гузоштани холҳои гуногун аз ҳамдигар мебошад.

Regression to the mean чист?

Дар ҳолати асосӣ аксари коэффисиентҳои коррелятсияи Pearson-и моделҳо аз 0,05 паст мемонанд. Ин бо он мувофиқ аст, ки модел ба ҷойи пайгирии тағйирёбии инфиродии корбарон пешгӯии бехатаре наздик ба холи миёнаи гурӯҳ медиҳад.

Бо илова шудани CCCS коррелятсия дар ҳамаи даҳ модел афзудааст. Дар манбаъ баъзе афзоишҳо:

\[ \Delta r=+0,138\; \text{ile}\; +0,272 \]

ба ин фосила мерасанд.

Аз ин рӯ, бо истилоҳоти худи таҳқиқот, CCCS тамоюли “regression to the mean”-и моделро кам мекунад.

Оё ҳар як модел аз CCCS ба як андоза фоида мебинад?

Не.

Дар марҳилаи асосӣ GPT-5.1 бо тақрибан %80,4 дар ҷойи аввал буд, аммо баъди илова шудани CCCS тақрибан -0,7 банди фоизӣ коҳиш ёфт.

Gemini 3 Flash бошад, тақрибан:

+4,3 банди фоизӣ

ба даст оварда, бо тақрибан %82,1 ба ҷойи аввал баромад.

Манбаъ инро ба фарқиятҳо дар қобилияти меъмориҳои гуногуни LLM барои истифодаи маълумоти афзалиятии контекстии баландандоза марбут медонад. Аммо бинобар баста будани меъмориҳои моделҳо механизми дохилии он мустақимона мушоҳида нашудааст.

Таъсири CCCS аз рӯи андоза

Дар низоми такмилёфта Gemini 3 Flash:

Дар тағйирёбандаҳои морфологии меъморӣ, монанди шакл, мураккабӣ ва миқёс/таносуб, коррелятсияҳои Pearson-и баъзе моделҳо аз 0,35 гузаштаанд. Ин нишон медиҳад, ки афзалияти шаклӣ то андозае байни биноҳои муқоисавӣ интиқол дода мешавад.

Дар соҳаҳои пешинаи заиф чӣ шуд?

Ороиш ва ҷузъиёт:

Relaxed accuracy-и Claude 4.5 пас аз CCCS то %77,2 боло рафта, афзоиш:

\[ +8,7\;\text{yüzde puanı} \]

гузориш шудааст.

Qwen 3 дар ҳамин андоза ба %80,1 расида, RMSE то 1,283 коҳиш ёфтааст.

Таъсирбахшӣ:

Relaxed accuracy тақрибан ба %74,7 расида, RMSE:

\[ 1,591\rightarrow1,392 \]

коҳиш ёфтааст.

Оё Ensemble-и Панҷкарата Воқеан Фарқ Ба Вуҷуд Меорад?

Дар манбаъ як пешгӯии LLM панҷ бор мустақилона иҷро ва миёна гирифта шудааст, ки вариатсияи хаторо коҳиш додааст; аммо беҳбудӣ ҷаҳиши калон нест, балки устуворшавии хурд, вале пайваста мебошад.

Манбаъ хабар медиҳад, ки афзоиши relaxed accuracy дар се модели намоянда тақрибан 1,3–1,4 банди фоизӣ будааст.

Ин натиҷа нишон медиҳад, ки ensemble бештар як усули назорати вариатсия мебошад, ки садои намунагириро дар як даъвати LLM коҳиш медиҳад, на он ки мазмуни иттилоотро тағйир диҳад.

Оё Ин Низом Ҷойи Иштироки Воқеии Ҷомеаро Гирифта Метавонад?

Таҳқиқот низомеро нишон намедиҳад, ки дар он маълумоти инсонӣ пурра хориҷ шуда бошад. Баръакс, барои кори CCCS арзёбиҳои гузаштаи одамони воқеӣ дар бораи Bird's Nest ва биноҳои муқоисавӣ лозиманд. Аз ин рӯ усул бештар як равиши симулятсионист, ки маълумоти маҳдуди воқеии инсонро ба таври ҳисоббарорӣ васеъ кардан мехоҳад, на як низоми мустақили “ҷомеаи маҷозӣ”, ки ҷойи иштироки ҷамъиятиро мегирад.

Ин фарқият махсусан муҳим аст, зеро такмили қавитарини модел аз холҳои воқеии муқоисавие меояд, ки одамон қаблан додаанд.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Меъмории сеагентии бар LLM асосёфта метавонад арзёбии эстетикии 12-андозаи шаҳриро ба таври сохторӣ тавлид кунад.
• Маълумоти демографӣ ва хусусият-вазн метавонанд барои пешгӯии сатҳи тахминии консенсуси умумии эстетикӣ истифода шаванд.
• Ҳангоми истифодаи танҳо маълумоти демографӣ коррелятсияи фарқиятҳои инфиродӣ паст аст.
• Вақте афзалиятҳои муқоисавии гузашта тавассути CCCS илова мешаванд, коррелятсияи Pearson дар ҳамаи моделҳои санҷидашуда боло меравад.
• Баъзе LLM-ҳо аз контексти CCCS нисбат ба дигарон бештар фоида бурданд.
• Миёнаи N=5 ensemble вариатсияи иҷрои ягона ва нишондиҳандаҳои хатогиро кам, вале пайваста коҳиш дод.
• Андозаҳои дорои вариатсияи баланди инфиродӣ, монанди ҷузъиёти микро-визуалӣ ва таъсирбахшӣ, бо демографияи умумӣ душвортар пешгӯӣ мешаванд.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

• Натиҷаи %82,07 ҳиссаи холҳои эстетикии дақиқи як-ба-як нест; он relaxed accuracy бо таҳаммулпазирии ±1 Likert мебошад.
• Низом исбот намекунад, ки афзалиятҳои эстетикии тамоми аҳолии шаҳрро намояндагӣ мекунад.
• Намунае, ки %91,2-и он заминаи санъат/меъморӣ дорад, наметавонад ҳамчун тақсимоти маъмулӣ барои аҳолии умумӣ қабул шавад.
• Натиҷаҳои Bird's Nest-ро мустақиман ба кӯчаҳои маҳалла, фасадҳои манзилӣ, боғҳо ё фазоҳои хурди ҳаррӯзаи шаҳрӣ умумӣ кардан мумкин нест.
• Нишон дода нашудааст, ки модел дар фарҳангҳо ё кишварҳои гуногун ҳамон сохтори афзалияти эстетикиро пешгӯӣ мекунад.
• Дар PDF маҷмӯи мустақили берунии корбарон ё санҷиши берун аз майдон ба таври равшан ҷудо карда гузориш нашудааст.
• Афзоиши коррелятсияҳои Pearson муҳим аст, аммо сатҳи 0,317 маънои онро надорад, ки қисми зиёди афзалиятҳои инфиродии эстетикӣ шарҳ дода шудаанд.
• Исбот нашудааст, ки далеле, ки LLM медиҳад, бо раванди воқеии маърифатии зеҳни инсон яксон аст.
• Азбаски вазнҳои дохилӣ ва механизми воқеии қароргирии модел бастаанд, шарҳҳои агент тафсири пурраи механистӣ нестанд.

Аҳамияти илмӣ

Арзишмандтарин ҷанбаи таҳқиқот он аст, ки саволи “оё AI аз инсонҳо беҳтар қарори эстетикӣ медиҳад?”-ро намепурсад; ба ҷои ин мекӯшад ду сохтори ҷудогонаро дар арзёбии эстетикии инсон фарқ кунад:

консенсуси эстетикии иҷтимоӣ ва тафовути эстетикии инфиродӣ.

Низоми бар демография асосёфта сохтори аввалро то андозае мегирад, дар ҳоле ки муқоисаҳои гузаштаи шахсӣ барои сохтори дуюм маълумоти иловагӣ медиҳанд.

Ин дар арзёбии муҳити сохташуда ба нуқтаи муҳими методологӣ ишора мекунад: афзалияти эстетикии шахсро на танҳо он ки ӯ кист, балки қаблан кадом ҷойҳоро дӯст доштааст ва ба кадом хусусиятҳо чӣ гуна вокуниш нишон додааст низ муайян мекунад.

Ғояи асосии CCCS табдил додани ин таҷрибаи гузашта ба низоми истинодии контекстиест, ки мошин метавонад истифода кунад.

Бо вуҷуди ин, усул дар ин марҳила низоми тасдиқшудаи қароргирӣ нест, ки иштироки воқеии ҷамъиятиро иваз кунад. Таҳқиқот як чаҳорчӯбаи таҷрибавии арзёбии ҳисоббарорист, ки дар як бинои рамзӣ, як намунаи муайян ва версияҳои муайяни LLM гузаронида шудааст.

Ёддошт оид ба Манбаъ ва Усул

Кори аслӣ: Simulating Aesthetic Consensus and Divergence in Urban Landmarks: An LLM-based Multi-Agent System for Built Environment Evaluation

Муаллифон: Yuxuan Li, Ting Zhang, Weimin Zhuang

Муаллифи масъул: Weimin Zhuang

Муассисаҳо: School of Architecture, Tsinghua University; School of Computer Science, Peking University, Beijing, China.

Навъи манбаъ: Мақолаи таҳқиқотии preprint, ки ҳанӯз аз баррасии ҳамтоён нагузаштааст.

Платформа: SSRN.

SSRN Abstract ID: 6907642.

DOI: 10.2139/ssrn.6907642.

Санаи пешниҳоди SSRN: 9 июни 2026.

Ҳолати омӯзишӣ: Beijing National Stadium — Bird's Nest.

Пурсиш: 1.201 иштирокчии эътиборнок; ҷамъоварии маълумот феврали 2026.

Ҳолатҳои муқоисавӣ: Chengdu Fenghuangshan Sports Park Football Stadium, Shanghai Pudong Football Stadium, Xi'an Olympic Sports Center Stadium ва Quzhou Stadium.

Меъмории асосӣ: Visual Perception Agent + Behavioral Fitting Agent + Fusion & Reasoning Agent.

Механизми шахсисозӣ: Comparative Case-based Cognitive Schema (CCCS).

Peer Neighborhood: K=20.

Ҳарорати LLM inference: 0,7.

Ensemble: Барои ҳар арзёбии корбар–бино N=5 inference-и мустақил.

Метрикаи асосии иҷроиш: Relaxed Accuracy, |Pred−True|≤1.

Баландтарин relaxed accuracy-и низоми асосӣ: GPT-5.1 — %80,43.

Баландтарин натиҷаи умумии гузоришшуда дар низоми CCCS: Gemini 3 Flash — %82,07 relaxed accuracy, MAE 0,887.

Маблағгузорӣ: Beijing Natural Science Foundation, QY24288.

Бархӯрди манфиатҳо: Муаллифон манфиати молиявӣ ё муносибати шахсии маълумро гузориш намедиҳанд.

Саҳми муаллифон: Yuxuan Li — консептуализатсия, курацияи маълумот, таҳлили формалӣ, таҳқиқот, усул, нармафзор, санҷиш, визуализатсия ва навиштан; Ting Zhang — усул ва нармафзор; Weimin Zhuang — консептуализатсия, усул, идоракунии лоиҳа, захираҳо, назорат, санҷиш ва бознигарии матн.

Изҳороти AI-и тавлидӣ: Муаллифон хабар медиҳанд, ки ҳангоми омода кардани мақола барои беҳтар кардани хондашавандагӣ ва таҳрири забон аз ChatGPT ва Gemini истифода кардаанд; баъдан баромадҳоро худашон бозбинӣ намуда, масъулияти мундариҷаро ба зимма гирифтаанд.

Маҳдудиятҳои асосии дохилии манбаъ: Аз даст рафтани маълумоти микро-визуалӣ ҳангоми табдили тасвир ба матн; контексти як бинои монументалӣ; ғаразҳои фарҳангӣ/ҷуғрофии LLM-ҳо; хусусияти қуттии сиёҳи механизми дохилии қароргирӣ.

Огоҳии методологии Verianla: Азбаски %91,2 намуна заминаи санъат/меъморӣ гузориш кардааст ва дар PDF протоколи равшани мустақили санҷиши берунии корбарон нишон дода нашудааст, натиҷаҳо набояд ҳамчун тасдиқи беруна барои аҳолии умумӣ тафсир шаванд.

Ёддошти истифодаи визуалӣ: Суратҳои Bird's Nest ва дигар варзишгоҳҳо, фигураҳои меъмории бисёрагента ва таркибҳои аслии графикҳои radar/heatmap/scatter дар манбаъ набояд мустақиман дубора истифода шаванд. Аз робитаҳои усулӣ ва арзишҳои ададии гузоришшуда визуалҳои комилан нави Verianla сохта метавонанд.