本研究提出了一种基于零-shot学习的自动化道路铺装监测方法，利用大语言模型，克服了传统人工检测的主观性和机器学习对高质量标注数据的依赖。实验结果显示，该方法在道路状况评估方面优于专家评价，具有城市应用潜力。

通过创建新数据集、使用跨语言查询和提出多阶段框架，实现了跨语言检索任务中已证伪叙述的横跨不同领域和零-shot学习。多阶段检索框架表现出鲁棒性，胜过了BM25基线，并且在不显著损害模型性能的情况下进行了跨领域和零-shot学习。