論文の概要: AeroTherm-GPT: A Verification-Centered LLM Framework for Thermal Protection System Engineering Workflows
- arxiv url: http://arxiv.org/abs/2604.01738v1
- Date: Thu, 02 Apr 2026 08:01:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-03 14:21:10.599629
- Title: AeroTherm-GPT: A Verification-Centered LLM Framework for Thermal Protection System Engineering Workflows
- Title（参考訳）: AeroTherm-GPT:熱保護システムエンジニアリングワークフローのための検証中心LLMフレームワーク
- Authors: Chuhan Qiao, Jinglai Zheng, Jie Huang, Buyue Zhao, Fan Li, Haiming Huang,
- Abstract要約: 汎用大規模言語モデル(LLM)は、安全クリティカルエンジニアリングに固有の連続したマルチゲート制約を満たすことができない。
本稿では,最初のTLS特化LDMエージェントであるAeroTherm-GPTを提案する。
AeroTherm-GPT 8はEnd-to-End Success Rate CI: 87.5-89.9を達成する。
- 参考スコア（独自算出の注目度）: 6.827888117503221
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Integrating Large Language Models (LLMs) into hypersonic thermal protection system (TPS) design is bottlenecked by cascading constraint violations when generating executable simulation artifacts. General-purpose LLMs, treating generation as single-pass text completion, fail to satisfy the sequential, multi-gate constraints inherent in safety-critical engineering workflows. To address this, we propose AeroTherm-GPT, the first TPS-specialized LLM Agent, instantiated through a Constraint-Closed-Loop Generation (CCLG) framework. CCLG organizes TPS artifact generation as an iterative workflow comprising generation, validation, CDG-guided repair, execution, and audit. The Constraint Dependency Graph (CDG) encodes empirical co-resolution structure among constraint categories, directing repair toward upstream fault candidates based on lifecycle ordering priors and empirical co-resolution probabilities. This upstream-priority mechanism resolves multiple downstream violations per action, achieving a Root-Cause Fix Efficiency of 4.16 versus 1.76 for flat-checklist repair. Evaluated on HyTPS-Bench and validated against external benchmarks, AeroTherm-GPT achieves 88.7% End-to-End Success Rate (95% CI: 87.5-89.9), a gain of +12.5 pp over the matched non-CDG ablation baseline, without catastrophic forgetting on scientific reasoning and code generation tasks.
- Abstract（参考訳）: 大規模言語モデル(LLM)を超音速熱保護システム(TPS)設計に統合することは、実行可能なシミュレーションアーティファクトを生成する際に、カスケード制約違反によってボトルネックとなる。
汎用LLMは、生成を単一パスのテキスト補完として扱うが、安全クリティカルなエンジニアリングワークフローに固有の連続的なマルチゲート制約を満たすことができない。
そこで本研究では,最初のTLS特化LDMエージェントであるAeroTherm-GPTを提案する。
CCLGは、TPSアーティファクト生成を、生成、検証、CDG誘導修理、実行、監査を含む反復ワークフローとして整理する。
Constraint Dependency Graph (CDG)は、制約カテゴリ間の経験的共分解構造を符号化し、ライフサイクルの順序付けと経験的共分解確率に基づく上流断層候補への修復を指示する。
この上流優先機構は、動作毎に複数の下流違反を解決し、フラットチェックリストの修復に4.16対1.76のルートカス固定効率を達成する。
HyTPS-Benchで評価され、外部ベンチマークに対して評価され、AeroTherm-GPTは88.7%のエンド・ツー・エンド成功率 (95% CI: 87.5-89.9) を達成した。
関連論文リスト
- SEVerA: Verified Synthesis of Self-Evolving Agents [12.9624447364193]
自己進化型エージェントフレームワークは、安全性や正確性の正式な保証を提供しない。
エージェントコード生成を制約付き学習問題として定式化し、ハードな形式仕様とソフトな目的とを組み合わせてタスクユーティリティをキャプチャする。
探索はFGGMコールを含む候補パラメトリックプログラムを合成し、検証は全てのパラメータ値に対する厳しい制約に関して正当性を証明し、制約のない学習に還元する。
論文 参考訳（メタデータ） (2026-03-26T07:32:20Z) - Chimera: Latency- and Performance-Aware Multi-agent Serving for Heterogeneous LLMs [62.17306142810532]
ヘテロジニアスLSMクラスタ上で動作するマルチエージェントワークフローの予測スケジューリングシステムであるChimeraを提案する。
Chimeは最高のレイテンシをトレースし、エンドツーエンドのレイテンシを1.2-2.4$times$で削減し、タスクパフォーマンスを平均8.0-9.5ポイント改善する。
論文 参考訳（メタデータ） (2026-03-23T17:01:42Z) - iGRPO: Self-Feedback-Driven LLM Reasoning [88.83313431248473]
大規模言語モデル(LLM)は複雑な数学的問題を解く上で有望であるが、正確で一貫したソリューションを生み出すには至っていない。
IGRPO(Iterative Group Relative Policy Optimization)は、モデル生成ドラフトを通じて動的自己条件を追加するGRPOの2段階拡張である。
一致するロールアウト予算の下では、iGRPOはGRPOをベースモデルで一貫して上回っている。
論文 参考訳（メタデータ） (2026-02-09T18:45:11Z) - EvolVE: Evolutionary Search for LLM-based Verilog Generation and Optimization [0.2796197251957245]
本稿では,チップ設計タスクにおける複数の進化戦略を解析する最初のフレームワークであるEvolVEを紹介する。
また,全国集積回路コンテストから派生した産業規模の問題を対象とするIC-RTLを導入する。
論文 参考訳（メタデータ） (2026-01-26T01:53:54Z) - Trajectory Guard -- A Lightweight, Sequence-Aware Model for Real-Time Anomaly Detection in Agentic AI [0.0]
トラジェクトリガードはシームズ・リカレント・オートエンコーダであり、コントラスト学習によるタスク・トラジェクトリアライメントと、再構成によるシーケンシャル・アライメントを共同で学習するハイブリッド・ロス機能を備えている。
32ミリ秒のレイテンシで、当社のアプローチは LLM Judge のベースラインよりも17-27倍高速で動作し、実運用環境におけるリアルタイムの安全性検証を可能にします。
論文 参考訳（メタデータ） (2026-01-02T00:27:11Z) - Benchmarking Generative AI Against Bayesian Optimization for Constrained Multi-Objective Inverse Design [0.15293427903448018]
本稿では,制約付き多目的回帰タスクを解くための生成可能な言語モデル(LLM)の性能について検討する。
最高の性能のLDM(Math-7B)は1.21の世代距離(GD)を達成した。
この知見は, 樹脂, レオロジー, 化学特性の定式化設計の最適化に, 直接工業的応用が期待できる。
論文 参考訳（メタデータ） (2025-10-29T10:37:09Z) - Alita-G: Self-Evolving Generative Agent for Agent Generation [54.49365835457433]
汎用エージェントをドメインエキスパートに変換するフレームワークであるALITA-Gを提案する。
このフレームワークでは、ジェネラリストエージェントが対象ドメインタスクのキュレートされたスイートを実行する。
計算コストを削減しながら、大きな利益を得ることができます。
論文 参考訳（メタデータ） (2025-10-27T17:59:14Z) - Edge Collaborative Gaussian Splatting with Integrated Rendering and Communication [69.23838350582764]
エッジ協調(ECO-GS)では,各ユーザが小さなGSモデルに切り替えて忠実さを保証し,遠隔大GSモデルで忠実さを保証できる。
低コストのレンダリングステータスとエッジパワー割り当てを協調的に最適化する統合通信(IRAC)を提案する。
論文 参考訳（メタデータ） (2025-10-26T15:33:29Z) - Metacognitive Self-Correction for Multi-Agent System via Prototype-Guided Next-Execution Reconstruction [58.51530390018909]
大規模言語モデルに基づくマルチエージェントシステムは、協調的な問題解決において優れているが、エラーのカスケードには脆弱である。
我々は,MASにリアルタイム,教師なし,ステップレベルの誤り検出と自己補正を付与するメタ認知フレームワークMASCを提案する。
論文 参考訳（メタデータ） (2025-10-16T05:35:37Z) - A Fluid Antenna Enabled Physical Layer Key Generation for Next-G Wireless Networks [83.86388221738225]
物理層鍵生成(PLKG)は、セキュリティインフラなしで無線チャネルから秘密鍵を入手することができる。
厳しい伝播環境では、キー生成率(KGR)が著しく低下する。
本稿では,この課題に対処するために,新しい流体アンテナ (FA) を用いたPLKGシステムを提案する。
論文 参考訳（メタデータ） (2025-08-16T18:39:19Z)
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。