論文の概要: Language Models Refine Mechanical Linkage Designs Through Symbolic Reflection and Modular Optimisation
- arxiv url: http://arxiv.org/abs/2604.27962v1
- Date: Thu, 30 Apr 2026 14:56:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-01 16:31:54.151347
- Title: Language Models Refine Mechanical Linkage Designs Through Symbolic Reflection and Modular Optimisation
- Title（参考訳）: シンボリックリフレクションとモジュール最適化による機械的リンケージ設計の言語モデル
- Authors: João Pedro Gandarela, Thiago Rios, Stefan Menzel, André Freitas,
- Abstract要約: 言語モデルは記号表現によってリンク設計を改善することができることを示す。
記号リフト演算子シミュレータは、定性的記述子、運動ラベル、時間述語、構造診断に変換される。
6つのエンジニアリング関連モーションターゲットと3つのオープンソースモデルに対して、モジュラーアーキテクチャは幾何学的エラーを最大68%削減し、構造的妥当性を最大134%向上させる。
- 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: Designing mechanical linkages involves combinatorial topology selection and continuous parameter fitting. We show that language models can systematically improve linkage designs through symbolic representations. Language model agents explore discrete topologies while numerical optimisers fit continuous parameters. A symbolic lifting operator translates simulator trajectories into qualitative descriptors, motion labels, temporal predicates, and structural diagnostics that models interpret across iterative design cycles. Across six engineering-relevant motion targets and three open-source models (Llama 3.3 70B, Qwen3 4B, Qwen3 MoE 30B-A3B), the modular architecture reduces geometric error by up to 68% and improves structural validity by up to 134% over monolithic baselines. Critically, 78.6% of iterative refinement trajectories show measurable improvement, with the system correctly diagnosing overconstraint (56.3%) and underconstraint (35.6%) failure modes and proposing grounded corrections. Models across all three families acquire interpretable mechanical reasoning strategies without fine-tuning, demonstrating that principled symbolic abstraction bridges generative AI and the numerical precision required for engineering design.
- Abstract（参考訳）: メカニカルリンケージの設計には、組合せトポロジ選択と連続パラメータフィッティングが含まれる。
言語モデルは,記号表現によるリンケージ設計を体系的に改善できることを示す。
言語モデルエージェントは離散位相を探索し、数値オプティマイザは連続パラメータに適合する。
シンボリックリフト演算子は、シミュレータの軌跡を定性的記述子、運動ラベル、時間的述語、モデルが反復設計サイクルを越えて解釈する構造的診断に変換する。
6つのエンジニアリング関連モーションターゲットと3つのオープンソースモデル(Llama 3.3 70B、Qwen3 4B、Qwen3 MoE 30B-A3B)でモジュラーアーキテクチャは幾何学的誤差を最大68%削減し、モノリシックベースラインよりも最大134%高い構造的妥当性を向上させる。
臨界的に、反復的な改良軌道の78.6%は測定可能な改善を示し、システムは過制約 (56.3%) と過制約 (35.6%) の故障モードを正しく診断し、接地補正を提案する。
3つのファミリーにまたがるモデルは、微調整なしで解釈可能な機械的推論戦略を取得し、原則的抽象的ブリッジが生成AIとエンジニアリング設計に必要な数値的精度を実証する。
関連論文リスト
- RefEvo: Agentic Design with Co-Evolutionary Verification for Agile Reference Model Generation [17.822629270807283]
RefEvoはアジャイルで信頼性の高い参照モデリング用に設計された動的マルチエージェントフレームワークである。
RefEvoが95%のパスレートを達成し、静的なベースラインを大きなマージンで上回ることを示す。
論文 参考訳（メタデータ） (2026-04-27T09:22:02Z) - From AI Assistant to AI Scientist: Autonomous Discovery of LLM-RL Algorithms with LLM Agents [51.12380889298618]
POISEは、言語モデルのためのポリシー最適化アルゴリズムの自動発見のためのフレームワークである。
PoISEは構造化され、属学的にリンクされたアーカイブリンクの提案、実行可能な実装、標準化された評価、自然言語のリフレクションを維持している。
論文 参考訳（メタデータ） (2026-03-25T05:19:23Z) - Multi-Agent Procedural Graph Extraction with Structural and Logical Refinement [66.51979814832332]
モデル式は、専用の構造的および論理的洗練を伴う多ラウンド推論プロセスとして手続きグラフ抽出を定式化する。
実験により、モデルが強いベースラインに対して構造的正当性と論理的整合性の両方において大幅に改善されることが示されている。
論文 参考訳（メタデータ） (2026-01-27T04:00:48Z) - A Method for Constructing a Digital Transformation Driving Mechanism Based on Semantic Understanding of Large Models [0.7252027234425333]
デジタルトランスフォーメーションの過程では、非構造化データのセマンティック理解が不十分なような問題に直面している。
本研究では,大規模言語モデル(LLM)と知識グラフを組み合わせた手法を提案する。
論文 参考訳（メタデータ） (2026-01-08T08:06:58Z) - Comparative Analysis of LLM Abliteration Methods: A Cross-Architecture Evaluation [0.0]
本研究は16種類の教科モデルを対象とした4つの音読ツールについて検討した。
シングルパス法は、ベンチマークしたサブセットで優れた性能を保った。
主な発見は、数学的推論能力は、消音介入に対して最も敏感であることを示している。
論文 参考訳（メタデータ） (2025-12-15T18:48:42Z) - Quantitative Analysis of Technical Debt and Pattern Violation in Large Language Model Architectures [0.0]
本研究では,AI合成システムにおける「建築エロージョン」と技術的負債の蓄積を計測する最初の経験的枠組みを提案する。
プロプライエタリなモデルは高いアーキテクチャ適合性を実現する一方で、オープンウェイトモデルは重要なばらつきを示す。
これらの結果から, システムスキャフォールディングに小型オープンウェイトモデルを用いることで, 構造的技術的負債の蓄積が促進されることが示唆された。
論文 参考訳（メタデータ） (2025-12-03T21:24:02Z) - Every Attention Matters: An Efficient Hybrid Architecture for Long-Context Reasoning [73.10669391954801]
本稿では、Ring-mini-linear-2.0およびRing-flash-linear-2.0を含むRing-linearモデルシリーズについて述べる。
どちらのモデルも線形アテンションとソフトマックスアテンションを効果的に統合するハイブリッドアーキテクチャを採用している。
32億のパラメータ密度モデルと比較して、このシリーズは推論コストを1/10に削減し、元のRingシリーズと比較すると、コストも50%以上削減される。
論文 参考訳（メタデータ） (2025-10-22T07:59:38Z) - Efficient Design of Compliant Mechanisms Using Multi-Objective Optimization [50.24983453990065]
そこで本研究では,大きな角状脳卒中を許容できる適合型クロスヒンジ機構の合成について述べる。
キネトスタティックな性能測定に基づいて,多目的最適化問題を定式化する。
論文 参考訳（メタデータ） (2025-04-23T06:29:10Z) - Understanding the Language Model to Solve the Symbolic Multi-Step Reasoning Problem from the Perspective of Buffer Mechanism [68.05754701230039]
本研究では,トランスフォーマーモデルにおける情報伝達機構を解明するために,シンボル的多段階推論タスクを構築する。
モデルの推論能力を高めるために,ランダムな行列に基づくアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-24T07:41:26Z) - Surrogate Modeling for Physical Systems with Preserved Properties and
Adjustable Tradeoffs [0.0]
代理モデルを生成するためのモデルベースおよびデータ駆動型戦略を提案する。
後者は、前提となる位相構造に人工的関係を組み込むことで解釈可能な代理モデルを生成する。
我々のフレームワークは、分散パラメータモデルのための様々な空間離散化スキームと互換性がある。
論文 参考訳（メタデータ） (2022-02-02T17:07:02Z)
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。