論文の概要: Verified LLM-Driven Synthesis for Concept Design
- arxiv url: http://arxiv.org/abs/2607.15718v1
- Date: Fri, 17 Jul 2026 07:55:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-20 17:56:52.786542
- Title: Verified LLM-Driven Synthesis for Concept Design
- Title（参考訳）: 概念設計のためのLLM駆動合成の検証
- Abstract要約: 本稿ではまず,概念と反応の形式的意味論について述べる。
次に、これらの不変量を満たす反応設計を生成するためのCEGISスタイルのLCM駆動合成手順を示す。
- 参考スコア（独自算出の注目度）: 0.7106986689736826
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Concept Design structures software systems around concepts: user-facing, self-contained units of functionality with a focused purpose. Concepts are composed into applications using synchronization rules called reactions, which specify how actions in one concept trigger actions in others. This paper first gives a formal semantics for concepts and reactions, enabling automatic verification of safety invariants in applications developed with this methodology. It then presents a CEGIS-style, LLM-driven synthesis procedure for generating reaction designs that satisfy such invariants. Because many different designs can satisfy the same invariant, we study two ways of steering synthesis toward the user's intended design: natural-language prompts and positive/negative scenarios. We also propose an LLM-driven scenario elicitation technique to support early design exploration. In an evaluation on three applications and twelve design variants using one LLM configuration, invariant-only synthesis reached verified designs quickly but often produced inconsistent designs across runs, some of which were implausible, showing that invariants alone underconstrain the design task. Scenario-guided synthesis recovered intended designs more consistently than natural-language prompting, although minimal scenarios can lead to overfitting. LLM-driven scenario elicitation, where the user classifies proposed scenarios rather than authoring them from scratch, recovered the intended designs in most variants when enough scenarios were elicited, but missed behaviors and non-determinism prevented reliable coverage in all cases.
- Abstract（参考訳）: コンセプトデザインは、ユーザ対面で自己完結した機能のユニットを集中してソフトウェアシステムを構成します。
概念は、ある概念におけるアクションが他の概念でどのようにアクションをトリガーするかを指定する、反応と呼ばれる同期ルールを使用してアプリケーションに構成される。
本稿では,まず概念と反応の形式的意味論を示し,この手法を用いて開発されたアプリケーションにおける安全性不変量の自動検証を可能にする。
次に、これらの不変量を満たす反応設計を生成するためのCEGISスタイルのLCM駆動合成手順を示す。
多くの異なる設計が同じ不変量を満たすため、ユーザの意図した設計に対して、自然言語プロンプトと肯定的/否定的なシナリオという2つの方法で合成を行う。
また, 初期の設計探索を支援するため, LLM方式のシナリオ推論手法を提案する。
3つのアプリケーションと1つのLLM構成を用いた12の設計変種の評価において、不変量のみの合成は検証済みの設計に素早く到達したが、実行中に矛盾する設計をしばしば生成した。
シナリオ誘導合成は自然言語のプロンプトよりも一貫して意図した設計を復元したが、最小限のシナリオは過度に適合する可能性がある。
LLM駆動のシナリオ推論では、ユーザがスクラッチから記述するのではなく、提案されたシナリオを分類し、十分なシナリオが提案された場合、ほとんどの変種で意図された設計を復元するが、動作の欠如と非決定性により、すべてのケースにおいて信頼できるカバレッジが妨げられた。
関連論文リスト
- In-Context Model Predictive Generation: Open-Vocabulary Motion Synthesis from Language Models to Physics [109.99871326497333]
In-Context Model Predictive Generation (ICMPG)は、言語モデル計画と推論時の物理的フィードバックを統合するフレームワークである。
ICMPGは2つのモジュールでモデル予測制御(MPC)のようなプロセスとして運動合成を再構成する。
論文 参考訳（メタデータ） (2026-06-25T12:50:33Z) - CPC-VAR:Continual Personalized and Compositional Generation in Visual Autoregressive Models [69.9266117908314]
VAR(Visual Autoregressive)モデルは、テキスト・ツー・イメージ生成の効率的なパラダイムとして登場した。
既存のVARベースのパーソナライズ方法は、進化するユーザ要求に対応できない。
VARモデルにおける連続的パーソナライズ生成に関する最初の体系的研究について述べる。
論文 参考訳（メタデータ） (2026-05-19T12:18:15Z) - Reliability of Large Language Models for Design Synthesis: An Empirical Study of Variance, Prompt Sensitivity, and Method Scaffolding [2.1843439591862333]
大規模言語モデル(LLM)は、ソフトウェアエンジニアリングタスクの自動化にますます適用されています。
本研究では,LLMがダイアグラム変換を超えて設計合成を行うことができるかどうかを検討する。
論文 参考訳（メタデータ） (2026-04-01T13:05:09Z) - Beyond Heuristic Prompting: A Concept-Guided Bayesian Framework for Zero-Shot Image Recognition [81.2779530670268]
VLM(Vision-Language Models)は、ゼロショット画像認識を著しく進歩させたモデルである。
本稿では、クラス固有の概念を取り入れることで、プロンプトを強化する。
我々の手法は一貫して最先端の手法より優れている。
論文 参考訳（メタデータ） (2026-03-09T03:11:11Z) - Feasibility Restoration under Conflicting STL Specifications with Pareto-Optimal Refinement [18.383508411056944]
Signal Temporal Logic (STL) は、ロボット工学における表現的要求を規定する表現的言語である。
STL仕様は、安全規則、交通規制、タスクと目的を一緒に満たせない現実世界のアプリケーションでは矛盾する可能性がある。
本稿では,最小限の緩和による実現可能性の回復を図り,それを価値認識多目的最適化問題として定式化し,実現可能な解を洗練する,統合された2段階フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-06T23:41:01Z) - Design-MLLM: A Reinforcement Alignment Framework for Verifiable and Aesthetic Interior Design [23.825603561362627]
インテリアデザインは要件から視覚的なプラン生成プロセスである。
MLLMは、構築不可能で、審美的に一貫性のないレイアウトを生成する。
強化アライメントフレームワークであるDesign-MLLMを提案する。
論文 参考訳（メタデータ） (2026-03-04T06:51:28Z) - Interaction-Grounded Learning for Contextual Markov Decision Processes with Personalized Feedback [59.287761696290865]
本稿では,個人化されたフィードバックを伴って,文脈的マルコフ決定プロセス(MDP)のサブ線形後悔保証を実現する計算効率の高いアルゴリズムを提案する。
提案手法の有効性を,合成エピソードMDPと実世界のユーザ予約データセットの両方を用いた実験を通じて,マルチターンインタラクションからパーソナライズされた目的を学習する際の有効性を示す。
論文 参考訳（メタデータ） (2026-02-09T06:29:54Z) - Grammar-Guided Evolutionary Search for Discrete Prompt Optimisation [63.97051732013936]
本稿では,2段階からなる離散的な自動最適化に対する進化的探索手法を提案する。
第1段階では、文法誘導型遺伝的プログラミングが実行され、プロンプト生成プログラムを合成する。
第2段階では、局所探索を用いて、最高のパフォーマンスプログラムの周辺を探索する。
論文 参考訳（メタデータ） (2025-07-14T14:34:15Z) - Inverse Design in Distributed Circuits Using Single-Step Reinforcement Learning [10.495642893440351]
DCIDAは、ターゲット転送関数のほぼ最適設計サンプリングポリシーを学習する設計探索フレームワークである。
本実験では,DCIDA の Transformer ベースのポリシネットワークが設計誤差を大幅に低減することを示す。
論文 参考訳（メタデータ） (2025-06-02T02:31:52Z) - Analyzing Finetuning Representation Shift for Multimodal LLMs Steering [56.710375516257876]
隠れた状態を解釈可能な視覚的概念とテキスト的概念にマッピングすることを提案する。
これにより、オリジナルモデルや微調整モデルからのシフトなど、特定のセマンティックダイナミクスをより効率的に比較することが可能になります。
また,これらの変化を捉えるためにシフトベクトルを用いることを実証する。
論文 参考訳（メタデータ） (2025-01-06T13:37:13Z) - Generative transformations and patterns in LLM-native approaches for software verification and falsification [1.4595796095047369]
より規律のあるエンジニアリングプラクティスに向けた基本的なステップは、コア機能単位生成変換の体系的な理解である、と我々は主張する。
まず、素早い相互作用を概念的シグネチャに抽象化する、生成変換のきめ細かい分類法を提案する。
我々の分析は分類学の有用性を検証するだけでなく、戦略的ギャップや相互関係も明らかにする。
論文 参考訳（メタデータ） (2024-04-14T23:45:23Z)
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。