Fugu-MT 論文翻訳(概要): SOCIA: Joint Structure-Parameter Co-Optimization for Automated Simulator Construction

論文の概要: SOCIA: Joint Structure-Parameter Co-Optimization for Automated Simulator Construction

arxiv url: http://arxiv.org/abs/2505.12006v3
Date: Tue, 21 Oct 2025 13:39:58 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-25 03:08:05.926051
Title: SOCIA: Joint Structure-Parameter Co-Optimization for Automated Simulator Construction
Title（参考訳）: SOCIA: 自動シミュレータ構築のための共同構造パラメータ共最適化
Authors: Yuncheng Hua, Sion Weatherhead, Mehdi Jafari, Jianxiang Xie, Ji Miao, Hao Xue, Flora D. Salim,
Abstract要約: エージェントを用いたコンピュータインテリジェンスのためのシミュレーションオーケストレーションは,シミュレータ構築を共同構造-パラメータ共最適化として扱うフレームワークである。機構に富んだ青写真を生成し、明示的な調整可能なパラメータを公開し、キャリブレーションスキーマをインスタンス化する。私たちはすぐにコードをリリースします。
参考スコア（独自算出の注目度）: 15.391456718509282
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Building credible simulators from data is difficult because structure design, parameter calibration, and out-of-distribution (OOD) robustness are tightly coupled. We introduce SOCIA (Simulation Orchestration for Computational Intelligence with Agents), a framework that treats simulator construction as joint structure-parameter co-optimization: it elicits mechanism-rich blueprints, exposes explicit tunable parameters, and instantiates a calibration schema, producing an executable simulator with built-in calibration hooks. SOCIA couples Bayesian Optimization for sample-efficient point calibration with Simulation-Based Inference for uncertainty-aware fitting; diagnostics trigger targeted structural edits in an outer refinement loop to co-optimize design and parameters under tight budgets. Across three diverse tasks, SOCIA consistently outperforms strong baselines, excelling on both in-distribution (ID) fitting and OOD shift. Ablations that weaken structure, calibration design, or tuning yield near-monotone degradations, underscoring the necessity of unified structure-parameter optimization. We will release the code soon.
Abstract（参考訳）: 構造設計,パラメータキャリブレーション,アウト・オブ・ディストリビューション(OOD)の堅牢性が強く結合されているため,データから信頼性の高いシミュレータを構築することは困難である。我々は,シミュレータ構築を共同構造パラメータ共最適化として扱うフレームワークであるSOCIA(Simulation Orchestration for Computational Intelligence with Agents)を紹介した。 SOCIAは、サンプル効率のよい点校正のためにベイズ最適化と不確実性対応のためのシミュレーションベース推論を結合している。 3つの多種多様なタスクにおいて、SOCIAは強いベースラインを一貫して上回り、流通内適合(ID)とOODシフトの両方で優れている。構造やキャリブレーション設計を弱めたり、調整を行ったりすると、ほぼ単調な劣化が生じ、統一された構造パラメータ最適化の必要性が浮き彫りになる。私たちはすぐにコードをリリースします。

関連論文リスト

Agentic Satellite-Augmented Low-Altitude Economy and Terrestrial Networks: A Survey on Generative Approaches [76.12691010182802]
本調査は,衛星搭載低高度経済と地上ネットワーク(SLAETN)におけるエージェント人工知能(AI)の実現に焦点をあてる。 SLAETNのアーキテクチャと特徴を紹介するとともに,衛星,空中,地上コンポーネントの統合において生じる課題を分析する。これらのモデルが,コミュニケーション強化,セキュリティとプライバシ保護,インテリジェントな衛星タスクという,3つの領域にわたるエージェント機能をどのように強化するかを検討する。
論文参考訳（メタデータ） (2025-07-19T14:07:05Z)
YuLan-OneSim: Towards the Next Generation of Social Simulator with Large Language Models [50.86336063222539]
本稿では,YuLan-OneSimというソーシャルシミュレータを紹介する。ユーザは、シミュレータとの自然言語インタラクションを通じて、シミュレーションシナリオを記述し、洗練することができます。我々は、経済学、社会学、政治、心理学、組織、人口統計学、法律、コミュニケーションを含む8つの領域にまたがる50のデフォルトシミュレーションシナリオを実装した。
論文参考訳（メタデータ） (2025-05-12T14:05:17Z)
User Simulation in the Era of Generative AI: User Modeling, Synthetic Data Generation, and System Evaluation [38.48048183731099]
ユーザシミュレーションは、ジェネレーティブAIの時代において、複数の重要なアプリケーションを持つ、新たな学際的なトピックである。それは、AIシステムと対話する人間のユーザのアクションを模倣するインテリジェントエージェントを作成することを含む。ユーザシミュレーションは多様な分野に深く影響し、人工知能の追求に重要な役割を果たしている。
論文参考訳（メタデータ） (2025-01-08T10:49:13Z)
GausSim: Foreseeing Reality by Gaussian Simulator for Elastic Objects [55.02281855589641]
GausSimは、ガウスカーネルを通して表現される現実の弾性物体の動的挙動をキャプチャするために設計された、ニューラルネットワークベースの新しいシミュレータである。我々は連続体力学を活用し、各カーネルを連続体を表すCenter of Mass System (CMS)として扱う。さらに、ガウスシムは質量や運動量保存のような明示的な物理制約を取り入れ、解釈可能な結果と堅牢で物理的に妥当なシミュレーションを確実にする。
論文参考訳（メタデータ） (2024-12-23T18:58:17Z)
GenSim: A General Social Simulation Platform with Large Language Model based Agents [111.00666003559324]
我々はtextitGenSim と呼ばれる新しい大規模言語モデル (LLM) ベースのシミュレーションプラットフォームを提案する。我々のプラットフォームは10万のエージェントをサポートし、現実世界のコンテキストで大規模人口をシミュレートする。我々の知る限り、GenSimは汎用的で大規模で修正可能な社会シミュレーションプラットフォームに向けた最初の一歩である。
論文参考訳（メタデータ） (2024-10-06T05:02:23Z)
Graph-based Modeling and Simulation of Emergency Services Communication Systems [0.0]
緊急サービス通信システム(ESCS)は、インターネットプロトコルベースの通信ネットワークへと進化している。本稿では,頑健で適応可能なグラフベースシミュレーションフレームワークと,ESCSシミュレーションに不可欠な数学的モデルを紹介する。
論文参考訳（メタデータ） (2024-09-03T12:53:35Z)
ComfyBench: Benchmarking LLM-based Agents in ComfyUI for Autonomously Designing Collaborative AI Systems [80.69865295743149]
この研究は、LLMベースのエージェントを使用して、協調AIシステムを自律的に設計する試みである。 ComfyBenchをベースとしたComfyAgentは,エージェントが自律的に協調的なAIシステムを生成して設計できるようにするフレームワークである。 ComfyAgentは、o1-previewに匹敵する解像度を達成し、ComfyBenchの他のエージェントをはるかに上回っているが、ComfyAgentはクリエイティブタスクの15%しか解決していない。
論文参考訳（メタデータ） (2024-09-02T17:44:10Z)
Large Language Model-based Human-Agent Collaboration for Complex Task Solving [94.3914058341565]
複雑なタスク解決のためのLarge Language Models(LLM)に基づくヒューマンエージェントコラボレーションの問題を紹介する。 Reinforcement Learning-based Human-Agent Collaboration method, ReHACを提案する。このアプローチには、タスク解決プロセスにおける人間の介入の最も急進的な段階を決定するために設計されたポリシーモデルが含まれている。
論文参考訳（メタデータ） (2024-02-20T11:03:36Z)
User Behavior Simulation with Large Language Model based Agents [116.74368915420065]
LLMベースのエージェントフレームワークを提案し,実際のユーザ動作をシミュレートするサンドボックス環境を設計する。実験結果から,本手法のシミュレーション行動は実人の行動に非常に近いことが判明した。
論文参考訳（メタデータ） (2023-06-05T02:58:35Z)
Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文参考訳（メタデータ） (2022-09-19T16:49:32Z)
Automated Adversary Emulation for Cyber-Physical Systems via Reinforcement Learning [4.763175424744536]
我々は,サイバー物理システムに対する敵エミュレーションに対するドメイン認識の自動化手法を開発した。我々は、マルコフ決定プロセス(MDP)モデルを定式化し、ハイブリッドアタックグラフ上で最適なアタックシーケンスを決定する。モデルベースおよびモデルフリー強化学習(RL)法を用いて,離散連続型MDPをトラクタブルな方法で解く。
論文参考訳（メタデータ） (2020-11-09T18:44:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。