論文の概要: Controlled Agentic Planning & Reasoning for Mechanism Synthesis

• arxiv url: http://arxiv.org/abs/2505.17607v2
• Date: Wed, 08 Oct 2025 13:58:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 14:21:18.007119
• 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、自動平面機構合成のための二重エージェントアクラムに基づく推論フレームワークを提案する。 自然言語によるタスク記述から、システムはシンボリック制約と方程式を構成し、シミュレーションコードを生成し、パラメタライズし、批判駆動のフィードバックを通じて設計を反復的に洗練する。
• 参考スコア（独自算出の注目度）: 18.8323743697237
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This work presents a dual-agent \ac{llm}-based reasoning framework for automated planar mechanism synthesis that tightly couples linguistic specification with symbolic representation and simulation. From a natural-language task description, the system composes symbolic constraints and equations, generates and parametrises simulation code, and iteratively refines designs via critic-driven feedback, including symbolic regression and geometric distance metrics, closing an actionable linguistic/symbolic optimisation loop. To evaluate the approach, we introduce MSynth, a benchmark of analytically defined planar trajectories. Empirically, critic feedback and iterative refinement yield large improvements (up to 90\% on individual tasks) and statistically significant gains per the Wilcoxon signed-rank test. Symbolic-regression prompts provide deeper mechanistic insight primarily when paired with larger models or architectures with appropriate inductive biases (e.g., LRM).
• Abstract（参考訳）: 本研究は、記号表現とシミュレーションと言語仕様を密結合した自動平面機構合成のための二重エージェント \ac{llm} ベースの推論フレームワークを提案する。 自然言語のタスク記述から、システムは記号的制約と方程式を構成し、シミュレーションコードを生成してパラメタライズし、記号的回帰と幾何学的距離測定を含む批評家主導のフィードバックを通じて設計を反復的に洗練し、実行可能な言語/記号的最適化ループを閉じる。 提案手法を評価するために,解析的に定義された平面軌道のベンチマークであるMSynthを紹介する。 経験的に、批判的なフィードバックと反復的な改善は、ウィルコクソンの署名されたランクテストにおいて、大きな改善(個々のタスクでは最大90%)と統計的に有意な増加をもたらす。 シンボリック回帰は、大きめのモデルやアーキテクチャと適切な帰納バイアス(例えば、LRM)をペアにした場合に、より深い力学的な洞察を与える。

関連論文リスト

• Mechanisms vs. Outcomes: Probing for Syntax Fails to Explain Performance on Targeted Syntactic Evaluations [33.04242471060053]
  大規模言語モデル(LLM)は、テキストの処理と生成において、構文の堅牢な熟達を示す。 モデルの探索精度が下流の構文的性能を確実に予測するかどうかについては、網羅的な研究はまだ確定していない。
  論文  参考訳（メタデータ） (2025-06-20T01:46:50Z)
• 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)
• A Recursive Bateson-Inspired Model for the Generation of Semantic Formal Concepts from Spatial Sensory Data [77.34726150561087]
  本稿では,複雑な感覚データから階層構造を生成するための記号のみの手法を提案する。 このアプローチは、概念や概念の創始の鍵としてのバテソンの差異の概念に基づいている。 このモデルは、トレーニングなしでかなりリッチだが人間に読まれる概念表現を生成することができる。
  論文  参考訳（メタデータ） (2023-07-16T15:59:13Z)
• 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)
• Abstract Interpretation for Generalized Heuristic Search in Model-Based Planning [50.96320003643406]
  ドメイン・ジェネラル・モデル・ベース・プランナーは、しばしば記号的世界モデルの緩和を通じて探索を構築することによって一般性を導出する。 抽象解釈がこれらの抽象化の統一フレームワークとして機能し、よりリッチな世界モデルに探索の範囲を広げる方法について説明する。 また、これらは学習と統合することができ、エージェントは抽象的な情報を通じて、新しい世界のモデルで計画を開始することができる。
  論文  参考訳（メタデータ） (2022-08-05T00:22:11Z)
• 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。