HVAC（暖房、換気、空調）システムは、世界の建物エネルギー使用量の大部分を占めており、信頼できる異常検出は効率向上と排出削減に不可欠です。従来のルールベース手法は解釈性を提供しますが適応性に欠け、一方ディープラーニング手法は予測力を持つものの、透明性や効率、物理的妥当性に欠けるという欠点があります。最近、大規模言語モデル（LLMs）を用いた異常検出が試みられていますが、HVACの運用に関わる物理法則を無視しがちです。本稿では、PILLM（物理情報に基づく大規模言語モデル）フレームワークを提案し、進化的ループ内で異常検出ルールを自動生成・評価・改良する手法を示します。この手法では、熱力学や制御理論の制約を組み込んだ物理情報に基づく反射および交差操作を導入し、適応性と物理的根拠を持つルールを可能にします。実験結果では、公開された建物異常検出データセットでPILLMが最先端の性能を達成したことが示され、解釈可能かつ実用的な診断ルールが生成され、スマートビルディングシステム向けの信頼性のあるAIの進展に寄与しています。