建設現場における安全管理は、単に一般的なオブジェクトを認識するだけでは不十分です。足場の端で手すりなしに立つ作業者など、実際の展開リスクに対応できるモデルが必要とされています。しかし現実の検査アーカイブは冗長で、長尾分布を示し、変動するサイトと数ヶ月にわたって収集されるため、モデルの時間的堅牢性は大きな課題です。 この課題に対応するため、研究チームはSafeBuild-Benchという新たなベンチマークを開発しました。これはマルチモーダル大言語モデル（MLLM）の建設安全理解を現実的な時間的およびサイト変動の下で評価するためのメタデータ駆動型ベンチマークです。100,000以上の産業用画像テキストレコードからマイニングされ、3,000以上の専門家検証済み画像から3,314のタスクインスタンスで構成されており、複数選択肢の危険特定と自由形式の危険説明の両方をカバーしています。 専門家検証をスケーラブルにするため、研究チームはGEMS（Graph-Enhanced Multimodal Selection）という手法を開発しました。これはプロキシモデルの混同信号とグラフベースの多様性を組み合わせて、冗長なストリームから情報価値の高い候補を特定するパイプラインです。公開指示チューニングデータにおいて、GEMSで選別されたサブセットは小データ予算下でも堅牢性指向のパフォーマンスを保持します。 SafeBuild-Benchの評価では、現在のMLLMは建設安全理解において信頼性から遠く、最良の総合スコアは約60にとどまっています。研究チームはベンチマーク、評価スクリプト、GEMSコードベースをGitHubで公開しており、建設安全AI技術の今後の発展を促進することを目指しています。