Fugu-MT 論文翻訳(概要): Structural Certification for Reliable Physical Design with Language Models

論文の概要: Structural Certification for Reliable Physical Design with Language Models

arxiv url: http://arxiv.org/abs/2606.30107v1
Date: Mon, 29 Jun 2026 10:43:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-30 18:07:16.182212
Title: Structural Certification for Reliable Physical Design with Language Models
Title（参考訳）: 言語モデルを用いた信頼性の高い物理設計のための構造証明
Abstract要約: 我々は5つの科学的領域にまたがる提案認定ループであるPhysical-Anchored Certification (PHACT)を紹介する。モデル供給値を受け入れるチェッカーを偽造することができ、固定された入力から認定された量を導出することで、建設によって偽造が不可能となる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: An unreliable language model can be made to produce reliable physical designs if the authority to assert is moved out of the model: the model proposes, and a deterministic engine alone certifies, returning certified, impossible, or unknown. We introduce Physics-Anchored Certification (PHACT), a propose-certify loop spanning five scientific domains, and identify what makes such a certificate trustworthy. A checker that accepts a model-supplied value can be forged; deriving the certified quantity from fixed inputs instead makes forgery impossible by construction. Across eighty adversarial trials spanning two models, two decoding temperatures, and a deliberately faulted engine, this contract produced zero false certifications.
Abstract（参考訳）: 信頼できない言語モデルは、アサートする権限がモデルから移動された場合、信頼できる物理設計を生成するために作成することができる。我々は,5つの科学的領域にまたがる提案認定ループであるPhysical-Anchored Certification (PHACT)を導入し,その信頼性を検証した。モデル供給値を受け入れるチェッカーを偽造することができ、固定された入力から認定された量を導出することで、建設によって偽造が不可能となる。 2つのモデル、2つのデコード温度、意図的に故障したエンジンにまたがる80の敵のトライアルで、この契約は偽の認証をゼロにした。

関連論文リスト

Prediction certification cannot replace explanation certification: a competence envelope for trustworthy AI under compound stress [0.0]
信頼性のあるモデルと妥協したモデルが,各予測側証明書の下で同一であることを示す。予測と説明の認定を1つのデプロイ可能な基準に組み合わせたフレームワークを導入する。
論文参考訳（メタデータ） (2026-08-21T07:45:17Z)
Cert-LAS: Toward Certified Model Ownership Verification for Text-to-Image Diffusion Models via Layer-Adaptive Smoothing [75.56230265544042]
大規模テキスト・ツー・イメージ(T2I)拡散モデルにより、前例のない創造的応用が可能になったが、その無許可の使用は、深刻な知的財産権の懸念を提起している。層適応平滑化に基づくT2Iモデルのための最初の認定MOV法であるCert-LASを提案する。特定の条件下では、悪意のある除去攻撃があっても、我々のCert-LASは信頼性の高い検証が可能である。
論文参考訳（メタデータ） (2026-05-28T11:54:52Z)
HLE-Verified: A Systematic Verification and Structured Revision of Humanity's Last Exam [63.84155758655084]
HumanityのLast Exam (HLE)は、フロンティアの大規模言語モデルを評価するために広く使われているベンチマークである。 HLE-Verifiedは,透過的検証プロトコルときめ細かい誤り分類法を備えたHLEの検証および改訂版である。我々は,HLEとHLE-Verifiedの7つの最先端言語モデルを評価し,平均7～10ポイントの絶対精度を観測した。
論文参考訳（メタデータ） (2026-02-15T02:50:15Z)
Rethinking Scientific Modeling: Toward Physically Consistent and Simulation-Executable Programmatic Generation [8.067859101380389]
非実行可能または物理的に一貫性のない出力は、厳密な工学的制約の下では依然として一般的である。物理に一貫性のある自動建築モデリングのための枠組みを提案する。 CivilInstructは、構造工学の知識と制約推論を形式化するドメイン固有のデータセットとして導入された。 MBEvalは、実行可能性と構造的ダイナミクスの一貫性を評価する検証駆動ベンチマークとして提示される。
論文参考訳（メタデータ） (2026-02-06T06:57:04Z)
BlockCert: Certified Blockwise Extraction of Transformer Mechanisms [0.0]
本稿では,トランス機構のブロックワイズ抽出のためのフレームワークであるBlockCertを紹介する。我々は、これらの局所的な保証をグローバルな偏差境界まで引き上げる単純なリプシッツに基づく合成定理をLean 4で定式化します。以上の結果から,明示的な証明を用いたブロックワイズ抽出は,実際のトランスフォーマー言語モデルで実現可能であることが示唆された。
論文参考訳（メタデータ） (2025-11-20T06:04:34Z)
Certified but Fooled! Breaking Certified Defences with Ghost Certificates [24.77320354796342]
本研究では,保証条項の限界を理解するために,確率的認証フレームワークの悪用について検討する。 ICLRの最近の研究は、大きな摂動を作れば、誤ったクラスの証明書を生成することができる領域に入力をシフトできることを示した。本研究では,非知覚的摂動,スプーフ証明書,およびソースクラスゴースト証明書よりも大きな証明ラジイを実現するために,地域中心の敵例を提案する。
論文参考訳（メタデータ） (2025-11-18T00:11:24Z)
AuthPrint: Fingerprinting Generative Models Against Malicious Model Providers [5.450474861880874]
本稿では,認証モデルの出力空間から隠れ指紋を抽出し,検知器を訓練する信頼性検証器を提案する。検証中、この検出器は、特別なハードウェアやモデル修正を必要とせずに、新しい出力が認定されたモデルと一致しているかどうかを判断できる。 GANと拡散モデルの両方でFPR@95%TPRをほぼゼロとする実験を行った。
論文参考訳（メタデータ） (2025-08-06T12:17:38Z)
Automated Proof Generation for Rust Code via Self-Evolution [69.25795662658356]
私たちは、Rustコードの自動証明生成を可能にする、人書きスニペットの欠如を克服するフレームワークであるSAFEを紹介します。 SAFEは、細調整されたモデルの自己老化能力を訓練するために、多数の合成不正確な証明を再利用する。我々は、人間の専門家によるベンチマークで52.52%の精度で達成し、GPT-4oのパフォーマンス14.39%を大きく上回った。
論文参考訳（メタデータ） (2024-10-21T08:15:45Z)
The BRAVO Semantic Segmentation Challenge Results in UNCV2024 [68.20197719071436]
我々は,(1)モデルが様々な摂動にさらされたときの精度とキャリブレーションを反映したセマンティック信頼性,(2)トレーニング中に未知のオブジェクトクラスを検出する能力を測定するOOD信頼性の2つのカテゴリを定義した。その結果、大規模事前学習と最小限のアーキテクチャ設計が、堅牢で信頼性の高いセマンティックセグメンテーションモデルを開発する上で重要であるという興味深い洞察が浮かび上がっている。
論文参考訳（メタデータ） (2024-09-23T15:17:30Z)
FullCert: Deterministic End-to-End Certification for Training and Inference of Neural Networks [62.897993591443594]
FullCertは、音と決定論的境界を持つ最初のエンドツーエンドの認証器である。 2つのデータセットに対してFullCertの有効性を実験的に示す。
論文参考訳（メタデータ） (2024-06-17T13:23:52Z)
Calibrating the Confidence of Large Language Models by Eliciting Fidelity [52.47397325111864]
RLHFのようなテクニックで最適化された大規模な言語モデルは、有用で無害な点において優れた整合性を実現している。調整後、これらの言語モデルはしばしば過剰な自信を示し、表現された自信は正確さの度合いで正確に校正しない。本稿では,言語モデルの信頼度を推定するプラグイン・アンド・プレイ手法を提案する。
論文参考訳（メタデータ） (2024-04-03T11:36:12Z)
SAFER: A Structure-free Approach for Certified Robustness to Adversarial Word Substitutions [36.91111335989236]
最先端のNLPモデルは、同義語置換のような人間の変換によってしばしば騙される。入力文にランダムな単語置換を適用してアンサンブルを構成する,新しいランダム化平滑化手法を提案する。本手法は,IMDBとAmazonのテキスト分類タスクにおいて,信頼性の高いロバスト性を示す最新手法を著しく上回っている。
論文参考訳（メタデータ） (2020-05-29T07:15:19Z)

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。