تتطلب إدارة البناء الحضري اتخاذ قرارات مبكرة تتعلق بالسلامة ومتطلبات التصاريح وتأثيرات المجتمعات، غير أن الأدلة المطلوبة غالباً ما تكون متفرقة بين مصادر بيانات بلدية وتنظيمية عديدة. هنا تأتي PermitGPT كإطار عمل مبتكر تعتمد عليه السلطات المعنية في تحويل الأوصاف غير المنظمة للتصاريح إلى مدخلات دعم القرار بشكل موحد عبر ثلاثة مجالات: التعرف على مخاطر السلامة، تحديد متطلبات التصريح، وتقييم تأثير المجتمع.

للتصدي لتفكيك البيانات، تم استعادة السجلات من إدارة المباني في مدينة نيويورك (New York City Department of Buildings) وإدارة السلامة والصحة المهنية (Occupational Safety and Health Administration) وطلبات خدمة NYC 311، مما أدى إلى إنشاء 90,000 زوج استجابة منظم تم الحصول عليه من خلال التنسيق المستند إلى القواعد والتحقق الدقيق.

تم تحسين ثلاثة نماذج لغوية مفتوحة الوزن باستخدام تكيف فعّال للمعايير وتقييمها على 2,833 حالة اختبار منفصلة. أظهرت النتائج سلوكاً مكاملاً بين النماذج: يقدم نموذج Gemma-3-1B أقل استخدام للذاكرة بمعدل 3.07 عينة في الثانية، بينما يقدم نموذج Llama-3.2-3B تداخلًا لغويًا أعلى مع درجة BLEU حوالي 0.0091. في حين أن نموذج 4-bit Mistral-7B-Instruct-v0.3 يحقق أفضل توافق دلالي مع BERTScore-F1 يصل إلى 0.7747.

نظرًا لأن المهمة تتطلب توليد هيكلي مفتوح، تُفسر القيم المنخفضة لـ BLEU بجانب مقاييس دلالية وهيكلية نوعية بدلاً من النظر إليها كمؤشرات مستقلة عن الفائدة. بشكل عام، تعتبر PermitGPT خطوة أولى نحو إدارة البناء بالاعتماد على الذكاء الاصطناعي، بينما تحدد الاتجاهات نحو تقييم أقوى على مستوى المهام والتحقق في العالم الواقعي.