論文の概要: Controlled Agentic Planning & Reasoning for Mechanism Synthesis
- arxiv url: http://arxiv.org/abs/2505.17607v1
- Date: Fri, 23 May 2025 08:16:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-26 18:08:33.918937
- Title: Controlled Agentic Planning & Reasoning for Mechanism Synthesis
- Title（参考訳）: 機構合成のための制御されたエージェント計画と推論
- Authors: João Pedro Gandarela, Thiago Rios, Stefan Menzel, André Freitas,
- Abstract要約: 本研究は,メカニズム合成のためのLLMに基づく推論手法を提案する。
言語レベルと記号レベルの両方で推論し、幾何学的および動的結果を生成することができる。
- 参考スコア（独自算出の注目度）: 8.273778202041365
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This work presents a dual-agent Large Language Model (LLM)-based reasoning method for mechanism synthesis, capable of reasoning at both linguistic and symbolic levels to generate geometrical and dynamic outcomes. The model consists of a composition of well-defined functions that, starting from a natural language specification, references abstract properties through supporting equations, generates and parametrizes simulation code, and elicits feedback anchor points using symbolic regression and distance functions. This process closes an actionable refinement loop at the linguistic and symbolic layers. The approach is shown to be both effective and convergent in the context of planar mechanisms. Additionally, we introduce MSynth, a novel benchmark for planar mechanism synthesis, and perform a comprehensive analysis of the impact of the model components. We further demonstrate that symbolic regression prompts unlock mechanistic insights only when applied to sufficiently large architectures.
- Abstract（参考訳）: 本研究は, 言語レベルと記号レベルの両方で推論を行い, 幾何学的および動的結果を生成する, LLMに基づく機構合成の推論手法を提案する。
このモデルは、自然言語仕様から始まり、方程式の支持による抽象的性質を参照し、シミュレーションコードの生成とパラメータ化を行い、シンボル回帰と距離関数を用いてフィードバックアンカーポイントを抽出する、明確に定義された関数からなる。
このプロセスは言語層と記号層で実行可能な洗練されたループを閉じる。
この手法は、平面機構の文脈において効果的かつ収束的であることが示されている。
さらに、平面機構合成のための新しいベンチマークであるMSynthを導入し、モデルコンポーネントの影響を包括的に分析する。
さらに,十分に大規模なアーキテクチャに適用した場合のみ,記号回帰が機械的洞察を解き放つことを実証する。
関連論文リスト
- Neurosymbolic artificial intelligence via large language models and coherence-driven inference [3.522062800701924]
我々は、コヒーレンス駆動推論をサポートするグラフを客観的にインスタンス化する一連の命題を生成する。
自然言語で表現された命題からコヒーレンスグラフを再構築する大規模言語モデルの能力をベンチマークする。
論文 参考訳（メタデータ） (2025-02-19T18:53:16Z) - VisualPredicator: Learning Abstract World Models with Neuro-Symbolic Predicates for Robot Planning [86.59849798539312]
本稿では,記号的・神経的知識表現の強みを組み合わせた一階抽象言語Neuro-Symbolic Predicatesを提案する。
提案手法は, サンプルの複雑さの向上, 分布外一般化の強化, 解釈可能性の向上を実現する。
論文 参考訳（メタデータ） (2024-10-30T16:11:05Z) - Procedural Synthesis of Synthesizable Molecules [22.905205379063148]
合成可能な分子の設計と、合成不可能な分子へのアナログの推奨は、分子発見を加速させる重要な問題である。
プログラム合成のアイデアを用いて,両問題を再認識する。
合成経路の空間を推論するための二段階のフレームワークを作成する。
論文 参考訳（メタデータ） (2024-08-24T04:32:36Z) - The Buffer Mechanism for Multi-Step Information Reasoning in Language Models [52.77133661679439]
大きな言語モデルの内部的推論メカニズムを調べることは、よりよいモデルアーキテクチャとトレーニング戦略を設計するのに役立ちます。
本研究では,トランスフォーマーモデルが垂直思考戦略を採用するメカニズムを解明するために,シンボリックデータセットを構築した。
我々は,GPT-2モデルに必要なトレーニング時間を75%削減し,モデルの推論能力を高めるために,ランダムな行列ベースアルゴリズムを提案した。
論文 参考訳（メタデータ） (2024-05-24T07:41:26Z) - Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。
我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。
このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
論文 参考訳（メタデータ） (2023-10-03T05:40:56Z) - Composition, Attention, or Both? [8.22379888383833]
コンポジションアテンション文法(CAG)と呼ばれる新しいアーキテクチャを提案する。
構成関数と自己認識機構の両方が人間のような構文一般化を誘導できるかどうかを考察する。
論文 参考訳（メタデータ） (2022-10-24T05:30:02Z) - Representing Partial Programs with Blended Abstract Semantics [62.20775388513027]
プログラム合成エンジンにおける部分的なプログラム表現手法について紹介する。
モジュラーニューラルネットワークとして実装された近似実行モデルを学ぶ。
これらのハイブリッドニューロシンボリック表現は、実行誘導型シンセサイザーがより強力な言語構成を使うことができることを示す。
論文 参考訳（メタデータ） (2020-12-23T20:40:18Z)
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。