論文の概要: DREAMS: Modelling Support for Research into Engineering and Artistic Design

• arxiv url: http://arxiv.org/abs/2605.10382v1
• Date: Mon, 11 May 2026 11:24:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.764174
• Title: DREAMS: Modelling Support for Research into Engineering and Artistic Design
• Title（参考訳）: DREAMS:工学と芸術デザイン研究のためのモデリング支援
• Authors: Apala Chakrabarti,
• Abstract要約: 本稿では、DRM参照モデルとインパクトモデルの作成と保守を支援するために開発された初期のプロトタイプ・モデリング環境であるDREAMSについて述べる。 レイアウトのサポートと検索機能を提供し、読みやすさ、変更性、サポート情報の検索を改善する。 本論文の貢献は、DRM対応モデリングサポートの要件を特定し、DREAMSの設計と実装を示し、モデリングの労力を削減し、DRMベースの研究におけるトレーサビリティを向上させる可能性を示すことである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Design Research Methodology (DRM) supports systematic design research through representations such as Reference Models and Impact Models. However, the practical construction and maintenance of these models often remains manual, requiring repeated redrawing, layout adjustment, and separate handling of assumptions, references, and supporting evidence. This can make DRM modelling time-consuming, visually cluttered, and difficult to revise as models increase in complexity. This paper presents DREAMS, an early-stage prototype modelling environment developed to support the creation and maintenance of DRM Reference Models and Impact Models. The tool enables users to construct typed causal models using DRM-relevant elements, define signed causal relationships, and attach assumptions, experiential inputs, and references directly to causal links. It also provides layout support and search functions to improve readability, modifiability, and retrieval of supporting information. A preliminary comparative evaluation with four DRM users was conducted against manual modelling practice. The results indicate reductions in model creation time, revision time, repositioning effort, edge crossings, and evidence retrieval time when using DREAMS. These findings are interpreted as early evidence of practical potential rather than full validation. The contribution of the paper lies in identifying requirements for DRM-aligned modelling support, presenting the design and implementation of DREAMS, and demonstrating its potential to reduce modelling effort and improve traceability in DRM-based research.
• Abstract（参考訳）: DRM(Design Research Methodology)は、参照モデルやインパクトモデルなどの表現を通じて、体系的な設計研究を支援する。 しかしながら、これらのモデルの実践的な構築とメンテナンスは手作業のままであり、繰り返し再描画、レイアウト調整、仮定、参照、そして証拠の分離処理が必要である。 これにより、DRMモデリングに時間がかかり、視覚的に混乱し、モデルが複雑さを増すにつれて修正が困難になる。 本稿では、DRM参照モデルとインパクトモデルの作成と保守を支援するために開発された初期のプロトタイプ・モデリング環境であるDREAMSについて述べる。 このツールは、DRM関連要素を使用して型付き因果関係モデルを構築し、署名された因果関係を定義し、仮定、経験的入力、および因果関係に直接参照することを可能にする。 また、レイアウトのサポートや検索機能を提供し、読みやすさ、変更性、サポート情報の検索を改善する。 4人のDRMユーザによる予備的な比較評価を手動モデリングの実践に対して行った。 その結果,DREAMSを用いた場合のモデル作成時間,リビジョン時間,再配置作業,エッジクロス,エビデンス検索時間の短縮が示唆された。 これらの発見は、完全な検証よりも現実的な可能性の早期の証拠として解釈されている。 本論文の貢献は、DRM対応モデリングサポートの要件を特定し、DREAMSの設計と実装を示し、モデリングの労力を削減し、DRMベースの研究におけるトレーサビリティを向上させる可能性を示すことである。

関連論文リスト

• Decoding the Critique Mechanism in Large Reasoning Models [50.821607345799386]
  大規模推論モデル(LRM)は、バックトラックと自己検証メカニズムを示し、中間ステップを修正して正しい解に到達できるようにする。 中間推論ステップに算術ミスを挿入することにより,現在のLEMがエラーからどのように回復するかを検討する。 チェーン・オブ・シークレットを伝播する誤りにもかかわらず、モデルは依然として正しい最終解に達している。
  論文  参考訳（メタデータ） (2026-03-17T10:03:30Z)
• Tiny Autoregressive Recursive Models [48.902738432071935]
  Tiny Recursive Models (TRMs) は最近のARC-AGIで顕著な性能を示した。 本稿では、自己回帰TRMを提案し、小さな自己回帰タスクで評価する。 期待に反して、完全なAutoregressive TRMアーキテクチャによる信頼性の高いパフォーマンス向上は見つからない。
  論文  参考訳（メタデータ） (2026-03-09T08:22:45Z)
• Event-Driven Inconsistency Detection Between UML Class and Sequence Diagrams [0.6660458629649825]
  ソフトウェア工学の学生は、モデリングプロセス中に不整合を理解し、管理するのに苦労することが多い。 教育者や学生は、モデリングプロセス中に生じる矛盾を理解し管理するのに苦労することが多い。 このツールはイベント駆動アーキテクチャを採用し、モデリングアクションを継続的に監視し、ユーザに対して、新たな不整合をリアルタイムで通知する。
  論文  参考訳（メタデータ） (2025-11-11T01:51:37Z)
• Understanding the Implicit Biases of Design Choices for Time Series Foundation Models [90.894232610821]
  時系列基礎モデル(TSFM)は、時系列予測と関連する時間的タスクのための潜在的に強力で汎用的なツールのクラスである。 彼らの行動はデザインの微妙な帰納的バイアスによって強く形作られています。 モデルやデータの性質によって、これらのバイアスが直感的であるか、非常に直感的であるかを示す。
  論文  参考訳（メタデータ） (2025-10-22T04:42:35Z)
• CALM Before the STORM: Unlocking Native Reasoning for Optimization Modeling [60.55856973678002]
  大規模推論モデル (LRM) は、複雑な多段階推論において強力な機能を示した。 既存のドメイン適応手法は、元々は命令調整モデル用に設計されていたが、現代のLEMの高度な推論パターンをうまく利用できなかった。 我々は、最適化モデリングタスクのためのネイティブ推論モード内でのLEMを段階的に洗練するフレームワークである textbfCALM を提案する。
  論文  参考訳（メタデータ） (2025-10-05T13:38:31Z)
• Structural Reward Model: Enhancing Interpretability, Efficiency, and Scalability in Reward Modeling [23.919163488129985]
  Structure Reward Model (SRM) はサイドブランチと補助機能ジェネレータを統合したモジュラーフレームワークである。 粒度の細かい寸法を導入することで、RMは解釈可能で効率的な評価、ターゲット診断、最適化を可能にします。
  論文  参考訳（メタデータ） (2025-09-29T18:09:25Z)
• Mitigating Downstream Model Risks via Model Provenance [28.390839690707256]
  モデルレコードの作成を簡単にするための機械可読モデル仕様フォーマットを提案する。 私たちのソリューションは、アップストリームモデルとダウンストリームモデルの関係を明確にトレースし、透明性とトレーサビリティを向上します。 この概念実証の目的は、基礎モデルを管理するための新しい標準を設定し、イノベーションと責任あるモデル管理のギャップを埋めることである。
  論文  参考訳（メタデータ） (2024-10-03T05:52:15Z)
• Fine-Tuning Enhances Existing Mechanisms: A Case Study on Entity Tracking [53.66999416757543]
  本研究では,微調整が言語モデルに実装された内部メカニズムに与える影響について検討する。 微調整はモデルの機械的操作を変えるのではなく、強化する。
  論文  参考訳（メタデータ） (2024-02-22T18:59:24Z)
• ZhiJian: A Unifying and Rapidly Deployable Toolbox for Pre-trained Model Reuse [59.500060790983994]
  本稿では、PyTorchバックエンドを利用して、モデル再利用のための包括的でユーザフレンドリなツールボックスであるZhiJianを紹介する。 ZhiJianは、PTMによるターゲットアーキテクチャ構築、PTMによるターゲットモデルチューニング、およびPTMに基づく推論を含む、モデル再利用に関するさまざまな視点を統一する新しいパラダイムを提示している。
  論文  参考訳（メタデータ） (2023-08-17T19:12:13Z)

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。