論文の概要: Specification-Driven Generation and Evaluation of Discrete-Event World Models via the DEVS Formalism
- arxiv url: http://arxiv.org/abs/2603.03784v1
- Date: Wed, 04 Mar 2026 06:50:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-05 21:29:15.209885
- Title: Specification-Driven Generation and Evaluation of Discrete-Event World Models via the DEVS Formalism
- Title（参考訳）: DEVS形式による離散事象世界モデルの仕様駆動生成と評価
- Authors: Zheyu Chen, Zhuohuan Li, Chuanhao Li,
- Abstract要約: 我々は,明示的なシミュレータの信頼性と学習モデルの柔軟性を両立させる原理的な中間層を求める。
我々は、自然言語仕様から直接合成された明示的で実行可能な離散的世界モデルを提案する。
- 参考スコア（独自算出の注目度）: 9.578714623643291
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: World models are essential for planning and evaluation in agentic systems, yet existing approaches lie at two extremes: hand-engineered simulators that offer consistency and reproducibility but are costly to adapt, and implicit neural models that are flexible but difficult to constrain, verify, and debug over long horizons. We seek a principled middle ground that combines the reliability of explicit simulators with the flexibility of learned models, allowing world models to be adapted during online execution. By targeting a broad class of environments whose dynamics are governed by the ordering, timing, and causality of discrete events, such as queueing and service operations, embodied task planning, and message-mediated multi-agent coordination, we advocate explicit, executable discrete-event world models synthesized directly from natural-language specifications. Our approach adopts the DEVS formalism and introduces a staged LLM-based generation pipeline that separates structural inference of component interactions from component-level event and timing logic. To evaluate generated models without a unique ground truth, simulators emit structured event traces that are validated against specification-derived temporal and semantic constraints, enabling reproducible verification and localized diagnostics. Together, these contributions produce world models that are consistent over long-horizon rollouts, verifiable from observable behavior, and efficient to synthesize on demand during online execution.
- Abstract（参考訳）: 世界モデルはエージェントシステムにおける計画と評価に不可欠だが、既存のアプローチは2つの極端にある。一貫性と再現性を提供するが、適応するのにコストがかかるハンドエンジニアリングシミュレータと、柔軟なが制約し、検証し、長い地平線上でデバッグする暗黙のニューラルモデルである。
我々は、明示的なシミュレータの信頼性と学習モデルの柔軟性を組み合わせ、オンライン実行中に世界モデルを適応できる原理的な中間層を求める。
キューやサービス操作,具体的タスク計画,メッセージ経由のマルチエージェント調整など,離散イベントの順序付け,タイミング,因果関係によって動的に制御される幅広い環境を対象とすることにより,自然言語仕様から直接合成される明示的で実行可能な離散イベントの世界モデルを提唱する。
我々のアプローチでは、DEVS形式を採用し、コンポーネントレベルのイベントとタイミングロジックからコンポーネント間の相互作用の構造的推論を分離する段階的なLCMベースの生成パイプラインを導入している。
ユニークな基礎事実のない生成モデルを評価するため、シミュレータは、仕様由来の時間的制約や意味的制約に対して検証された構造化されたイベントトレースを出力し、再現可能な検証と局所診断を可能にする。
これらの貢献によって、長期にわたるロールアウトに対して一貫性があり、観測可能な振る舞いから検証可能であり、オンライン実行中にオンデマンドで効率的に合成できる世界モデルが生み出される。
関連論文リスト
- Guided Verifier: Collaborative Multimodal Reasoning via Dynamic Process Supervision [11.159231524113764]
マルチモーダル大規模言語モデル(MLLM)の複雑な推論能力を高めるための重要なメカニズムとして強化学習(RL)が登場した。
本稿では,これらの構造的制約に対処する textbfGuided Verifier フレームワークを提案する。
我々は,マルチモーダル幻覚をターゲットとした特殊なデータ合成パイプラインを開発し,プロセスレベルの負の textbfCoRe データセットとtextbfCorrect-guide textbfReasoning トラジェクトリを構築し,ガイド付き検証器を訓練する。
論文 参考訳（メタデータ） (2026-02-04T07:38:42Z) - Aligning Agentic World Models via Knowledgeable Experience Learning [68.85843641222186]
環境フィードバックをシンセサイザー化したWorld Knowledge Repositoryを構築するフレームワークであるWorldMindを紹介する。
WorldMindは、優れたクロスモデルとクロス環境転送性を備えたベースラインよりも優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2026-01-19T17:33:31Z) - Heterogeneous Model Alignment in Digital Twin [0.0]
モデル駆動DTにおける主要な課題は、抽象層にまたがる異種モデルを整列させることである。
静的マッピングと手動の更新に依存する既存のメソッドは、しばしば柔軟性がなく、エラーを起こし、データの整合性を損なうリスクがある。
多層型モデル駆動型DTのための異種モデルアライメント手法を提案する。
論文 参考訳（メタデータ） (2025-12-17T10:36:55Z) - Model-Based Diffusion Sampling for Predictive Control in Offline Decision Making [48.998030470623384]
オフラインの意思決定は、さらなるインタラクションを伴わずに、固定データセットからの信頼性の高い振る舞いを必要とする。
i)タスク整列軌道を多様に生成するプランナー,(ii)システム力学との整合性を強制するダイナミクスモデル,(iii)タスク目標に整合した動作を選択するランサーモジュールからなる構成モデルに基づく拡散フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-09T06:26:02Z) - Dynamic Generation of Multi-LLM Agents Communication Topologies with Graph Diffusion Models [99.85131798240808]
我々はtextitGuided Topology Diffusion (GTD) と呼ばれる新しい生成フレームワークを導入する。
条件付き離散グラフ拡散モデルにインスパイアされたGTD式は、反復的な構成過程としてトポロジー合成を行う。
各ステップで生成は、多目的報酬を予測する軽量プロキシモデルによって制御される。
実験により、GTDは高いタスク適応性、スパース、効率的な通信トポロジを生成できることが示されている。
論文 参考訳（メタデータ） (2025-10-09T05:28:28Z) - JointDiff: Bridging Continuous and Discrete in Multi-Agent Trajectory Generation [75.58351043849385]
生成モデルは、しばしば連続したデータと離散的なイベントを別々のプロセスとして扱う。
このギャップを埋めるために、連続時間データと同期離散イベントを同時に生成してこれらの2つのプロセス間の相互作用を設計した新しい拡散フレームワークであるJointDiffを導入する。
JointDiffは最先端のパフォーマンスを実現し、インタラクティブシステムのための現実的で制御可能なモデルを構築するために、ジョイントモデリングが不可欠であることを実証している。
論文 参考訳（メタデータ） (2025-09-26T16:04:00Z) - Modular Delta Merging with Orthogonal Constraints: A Scalable Framework for Continual and Reversible Model Composition [0.0]
既存のモデルマージと継続的学習へのアプローチは、しばしばタスクの干渉、破滅的な忘れ込み、あるいは可逆性の欠如に悩まされる。
本稿では, 拡張性, 干渉フリー, 微調整モデルの構成が可能な新しいフレームワークである Orthogonal Constraints (MDM-OC) を用いた Modular Delta Merging を提案する。
論文 参考訳（メタデータ） (2025-07-28T17:08:49Z) - Learning Time-Aware Causal Representation for Model Generalization in Evolving Domains [50.66049136093248]
動的因果要因と因果機構のドリフトを組み込んだ時間認識型構造因果モデル(SCM)を開発した。
本研究では,時間領域毎に最適な因果予測値が得られることを示す。
合成と実世界の両方のデータセットの結果から,SynCは時間的一般化性能に優れることが示された。
論文 参考訳（メタデータ） (2025-06-21T14:05:37Z) - LANGTRAJ: Diffusion Model and Dataset for Language-Conditioned Trajectory Simulation [102.1527101235251]
LangTrajは、トラフィックシナリオにおけるすべてのエージェントの共同動作をシミュレートする、言語条件のシーン拡散モデルである。
自然言語入力を条件付けすることで、LangTrajはインタラクティブな振る舞いを柔軟かつ直感的に制御できる。
LangTraj氏は、リアリズム、言語制御性、言語条件の安全クリティカルなシミュレーションにおいて、強力なパフォーマンスを示している。
論文 参考訳（メタデータ） (2025-04-15T17:14:06Z)
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。