論文の概要: The Perception-Physics Paradox: Probing Scientific Alignment with TC-Bench

• arxiv url: http://arxiv.org/abs/2605.24782v1
• Date: Sat, 23 May 2026 23:51:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.43434
• Title: The Perception-Physics Paradox: Probing Scientific Alignment with TC-Bench
• Title（参考訳）: 知覚と物理のパラドックス:TC-Benchによる科学的アライメントの検証
• Authors: Dingling Yao, Andrea Polesello, Adeel Pervez, Caroline Muller, Francesco Locatello,
• Abstract要約: 科学領域における表現学習の暗黙的な目的として科学的アライメントを導入する。 我々は、構造的同型性を通して、科学的アライメントの原則的かつ検証可能な側面を研究する。 熱帯サイクロン研究のための自動構築パイプラインを備えた,グローバルで再現可能なベンチマークデータセットであるTC-Benchをリリースする。
• 参考スコア（独自算出の注目度）: 30.054788656949636
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While Vision Foundation Models (VFMs) excel at predictive tasks on satellite imagery, their performance can arise from visual correlations rather than underlying structural invariants, making even perception-based out-of-distribution accuracy a poor proxy for scientific utility. As a result, models may look correct without reasoning correctly, a discrepancy we term the Perception-Physics Paradox. To address this gap, we introduce scientific alignment as an implicit objective for representation learning in scientific domains. We study a principled, testable aspect of scientific alignment through structural isomorphism, which requires latent representations to uniquely identify physical systems up to a linear reparameterization. This perspective induces a hierarchy of necessary conditions and yields a systematic probing protocol for physical and causal interpretability. To operationalize this framework, we release TC-Bench, a global, reproducible benchmark dataset with an automated construction pipeline for tropical cyclone research, and show that current VFMs rely on visual shortcuts that collapse in intense regimes, indicating that scientific alignment does not arise as a natural byproduct of scaling alone.
• Abstract（参考訳）: ビジョン・ファンデーション・モデル(VFM)は衛星画像の予測的タスクに優れるが、その性能は基盤となる構造的不変性よりも視覚的相関から生じる可能性があり、知覚に基づくアウト・オブ・ディストリビューションの精度さえ科学的効用にとって不十分な指標である。 その結果、モデルが正しく推論せずに正しいように見える場合があり、その違いは知覚・物理パラドックス(Perception-Physics Paradox)と呼ばれる。 このギャップに対処するために、科学領域における表現学習の暗黙的な目的として科学的アライメントを導入する。 我々は, 線形パラメータ化まで物理系を一意に識別するために, 潜在表現を必要とする, 構造同型による科学的アライメントの原理的, 検証可能な側面について検討する。 この観点は、必要条件の階層化を誘導し、物理的および因果的解釈可能性のための体系的なプロトコルを提供する。 このフレームワークを運用するために、熱帯サイクロン研究のための自動構築パイプラインを備えたグローバルで再現可能なベンチマークデータセットであるTC-Benchをリリースし、現在のVFMが強烈な状況下で崩壊する視覚的ショートカットに依存していることを示し、科学的アライメントがスケーリング単独の自然な副産物として発生しないことを示す。

関連論文リスト

• CNNs for Vis-NIR Chemometrics: From Contradiction to Conditional Design [0.0]
  ケミメトリにおける近赤外(NIR)深層学習の研究は、畳み込みニューラルネットワーク(CNN)の設計に関して相互に矛盾した結論を報告している。 同じアーキテクチャは、ある研究において優位に立つことができ、別の研究では劣る可能性がある。 これらの矛盾は、不可能な方法の証拠ではなく、制御不能な変数の構造的に期待される結果であると主張する。
  論文  参考訳（メタデータ） (2026-05-04T14:21:02Z)
• Separable Pathways for Causal Reasoning: How Architectural Scaffolding Enables Hypothesis-Space Restructuring in LLM Agents [0.0]
  我々は,ブレケット検出器のパラダイムを発達科学から,仮説空間再構成をターゲットとしたアーキテクチャ的な足場を備えたAIエージェントのテスト能力まで拡張する。 コンポジションアーキテクチャには、型付き状態マシンとして構造探索を行うコンテキストグラフと、現在の仮説空間が不十分である証拠を監視し、実行時に拡張する動的挙動の2つの独立したコンポーネントがある。
  論文  参考訳（メタデータ） (2026-04-21T22:49:17Z)
• OMNIFLOW: A Physics-Grounded Multimodal Agent for Generalized Scientific Reasoning [51.33849811496781]
  大規模言語モデル (LLM) は例外的な論理的推論能力を示しているが、部分微分方程式 (PDE) による連続力学としばしば競合する。 OMNIFLOWは, 領域固有のパラメータ更新を必要とせず, 基本物理法則で凍結LDMを基底として設計したマルチモーダルシンボリックアーキテクチャである。 我々は, 微視的乱流, 理論的ナビエ・ストークス, マクロ的世界天気予報のベンチマークでこれを評価した。
  論文  参考訳（メタデータ） (2026-03-16T18:29:01Z)
• P1-VL: Bridging Visual Perception and Scientific Reasoning in Physics Olympiads [91.05736019384489]
  我々は、先進的な科学的推論のために設計されたオープンソースのビジョン言語モデルのファミリーであるP1-VLを紹介する。 当社のフラッグシップモデルであるP1-VL-235B-A22Bは、12個の金メダルを確保し、オープンソースモデルで最先端のパフォーマンスを達成した最初のオープンソースVision-Language Modelになります。
  論文  参考訳（メタデータ） (2026-02-10T06:28:08Z)
• Mimicking the Physicist's Eye:A VLM-centric Approach for Physics Formula Discovery [98.58830663687911]
  VIPERR-aq1は、方程式推論のための視覚誘導を行うマルチモーダルモデルである。 視覚知覚、軌跡データ、象徴的推論を統合し、科学的発見過程をエミュレートする。 常に最先端のVLMベースラインを精度と解釈性で上回る。
  論文  参考訳（メタデータ） (2025-08-24T14:34:21Z)
• PhyRecon: Physically Plausible Neural Scene Reconstruction [81.73129450090684]
  PHYRECONは、微分可能なレンダリングと微分可能な物理シミュレーションの両方を利用して暗黙的な表面表現を学習する最初のアプローチである。 この設計の中心は、SDFに基づく暗黙の表現と明示的な表面点の間の効率的な変換である。 また,物理シミュレータの安定性も向上し,全データセットに対して少なくとも40%の改善が得られた。
  論文  参考訳（メタデータ） (2024-04-25T15:06:58Z)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)

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。