論文の概要: MioFFAn: an Annotation Software for Formula Formalization with LLM Automation Capabilities
- arxiv url: http://arxiv.org/abs/2607.22552v1
- Date: Fri, 15 May 2026 13:01:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-02 22:55:38.959218
- Title: MioFFAn: an Annotation Software for Formula Formalization with LLM Automation Capabilities
- Title（参考訳）: MioFFAn: LLM自動化機能付きフォーミュラ形式化用アノテーションソフトウェア
- Abstract要約: MioFFAnはオープンソースでドキュメント中心でカスタマイズ可能なフレームワークで、迅速なアノテーションを容易にするように設計されている。
本稿では、関心の方程式の選択や支援された記号仕様など、フォーミュラ形式化のための特定の機能を紹介する。
MioFFAnは、大規模言語モデルによる部分的な自動化を組み込むように設計されている。
- 参考スコア（独自算出の注目度）: 1.4732668880321595
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The automatic translation of mathematical expressions in scientific literature into executable symbolic code (a process we refer to as Formula Formalization) is hindered by a severe scarcity of high-quality, ground-truth datasets specialized for technical scientific domains. In this paper, we present MioFFAn, an open-source, document-centric, and customizable framework designed to facilitate rapid annotation for this task. Building upon the MioGatto architecture, we extend existing features to overcome structural limitations and pivot its scope by introducing specific functionalities for Formula Formalization, such as selection of equations of interest and aided symbolic code specification. By allowing users to configure custom taxonomies and properties for identified symbols, and compatible symbolic operators, we ensure the framework is adaptable to diverse specialized scientific fields. Furthermore, MioFFAn is designed to incorporate partial automation via Large Language Models. By defining a modular set of automated sub-tasks with strict output formats, we enable researchers to iteratively refine automation capabilities and evaluate competing strategies using standard NLP metrics. We specify the current automation methodology and perform a preliminary evaluation that demonstrates to efficacy of this human-in-the-loop approach.
- Abstract（参考訳）: 科学文献の数学的表現を実行可能な記号コード(フォーミュラ形式化と呼ばれるプロセス)に自動翻訳することは、技術科学分野に特化した高品質で地味なデータセットの不足によって妨げられている。
本稿では,オープンソースの文書中心でカスタマイズ可能なフレームワークであるMioFFAnについて述べる。
MioGattoアーキテクチャに基づいて、構造的制約を克服し、関心の方程式の選択や支援された記号コード仕様などのフォーミュラ形式化のための特定の機能を導入することにより、既存の機能を拡張し、その範囲を拡大する。
識別されたシンボルと互換性のあるシンボル演算子に対して、ユーザが独自の分類とプロパティを設定できるようにすることで、このフレームワークが多様な専門的な科学分野に適用可能であることを保証する。
さらに、MioFFAnはLarge Language Modelsを通じて部分的な自動化を組み込むように設計されている。
厳格な出力形式で自動化されたサブタスクのモジュールセットを定義することで、研究者は自動化機能を反復的に洗練し、標準のNLPメトリクスを使用して競合戦略を評価することができる。
本稿では,現在の自動化手法を規定し,本手法の有効性を実証する予備評価を行う。
関連論文リスト
- Automatic Translation of Unstructured Requirements into Linear Temporal Logic through Large Language Models [46.28810845443601]
本稿では,LTL(Linear Temporal Logic)式を非構造的要求から直接生成することにより,現代市販のLarge Language Models (LLMs) がこのギャップを埋めることができるかどうかを評価する。
本研究は, 構造的に異なる15の異種ベンチマークを用いて, 数発のプロンプト戦略を用いて, 近代LLMの6点について検討した。
その結果,現在の汎用LLMはタスク固有の微調整を伴わずに非構造化NLto-LTLタスクにおいて実質的に有意な性能を達成できることが示唆された。
論文 参考訳（メタデータ） (2026-08-06T17:13:07Z) - Agentic Design of Compositional Descriptors via Autoresearch for Materials Science Applications [0.0]
自動検索エージェントがモデル選択以上のタスクを実行できるかどうかを検証するために,合成ベース素材の適正性予測を用いる。
本稿では,大規模言語モデルに基づく自動検索フレームワークであるAutomatを紹介し,化合物の合成専用記述子を生成する。
論文 参考訳（メタデータ） (2026-05-14T10:30:17Z) - TCMIIES: A Browser-Based LLM-Powered Intelligent Information Extraction System for Academic Literature [5.417385211236298]
本稿では,学術文献から構造化情報抽出を行うブラウザベースのゼロインストールプラットフォームTCMIIESを提案する。
このシステムは、自動システムプロンプト生成を備えた新しいスキーマ誘導プロンプトフレームワークを採用しており、研究者は独自の抽出スキーマを定義することができる。
従来の漢方医学研究において,複数の抽出シナリオを包括的に評価することで,システムの有効性を実証する。
論文 参考訳（メタデータ） (2026-05-08T09:40:13Z) - Semantically Labelled Automata for Multi-Task Reinforcement Learning with LTL Instructions [61.479946958462754]
エージェントが単一のユニバーサルポリシーを学習する環境であるマルチタスク強化学習(RL)について検討する。
本稿では,新世代の意味翻訳を利用したタスク埋め込み手法を提案する。
論文 参考訳（メタデータ） (2026-02-06T14:46:27Z) - Autoformalizer with Tool Feedback [52.334957386319864]
自動形式化は、数学的問題を自然言語から形式的ステートメントに変換することによって、ATP(Automated Theorem Proving)のデータ不足に対処する。
既存のフォーミュラライザは、構文的妥当性とセマンティック一貫性を満たす有効なステートメントを一貫して生成することに苦慮している。
本稿では,ツールフィードバックを用いたオートフォーマライザ (ATF) を提案する。
論文 参考訳（メタデータ） (2025-10-08T10:25:12Z) - The Return of Structural Handwritten Mathematical Expression Recognition [45.88028371034407]
手書き数学的表現認識は教育技術の基礎となっている。
大規模な言語モデルを持つ現代のエンコーダ・デコーダアーキテクチャは、世代ごとに優れているが、明示的なシンボルとトレースのアライメントは欠如している。
本稿では,2つの革新を伴う構造認識手法を提案する。
論文 参考訳（メタデータ） (2025-08-27T10:58:59Z) - Data Dependency-Aware Code Generation from Enhanced UML Sequence Diagrams [54.528185120850274]
本稿では,API2Depという新しいステップバイステップコード生成フレームワークを提案する。
まず、サービス指向アーキテクチャに適した拡張Unified Modeling Language (UML) APIダイアグラムを紹介します。
次に、データフローの重要な役割を認識し、専用のデータ依存推論タスクを導入する。
論文 参考訳（メタデータ） (2025-08-05T12:28:23Z) - Graft: Integrating the Domain Knowledge via Efficient Parameter Synergy for MLLMs [56.76586846269894]
MLLM(Multimodal Large Language Models)は、様々な領域で成功している。
その重要性にもかかわらず、ドメイン固有のMLLM間の知識共有の研究はほとんど未調査のままである。
専門家機能のモジュール構成を可能にする統一パラメータ統合フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-30T15:07:41Z) - Logic Mining from Process Logs: Towards Automated Specification and Verification [0.0]
本稿では、ワークフローを介して発見されたプロセスモデルから論理的仕様を生成するアプローチを提案する。
本研究では、品質データ、特にノイズが生成された仕様の構造とテスト容易性に与える影響について検討する。
論文 参考訳（メタデータ） (2025-06-10T09:44:19Z) - VeriMind: Agentic LLM for Automated Verilog Generation with a Novel Evaluation Metric [4.590930025882158]
We propose VeriMind, a agentic LLM framework for Verilog code generation。
本稿では,従来のpass@k測度とARC(Average Refinement Cycles)を組み合わせた新しい評価手法を提案する。
様々なハードウェア設計タスクの実験結果によると、我々のアプローチはpass@kメトリックで最大8.3%、pass@ARCメトリックで最大8.1%向上した。
論文 参考訳（メタデータ） (2025-03-15T23:43:06Z) - $\forall$uto$\exists$val: Autonomous Assessment of LLMs in Formal Synthesis and Interpretation Tasks [21.12437562185667]
本稿では,形式構文を自然言語に翻訳する際のLLM評価のスケールアップ手法を提案する。
我々は、文脈自由文法(CFG)を用いて、その場で配布外のデータセットを生成する。
我々はまた、このパラダイムの実現可能性と拡張性を示すために、複数のSOTAクローズドおよびオープンソースLCMの評価を行う。
論文 参考訳（メタデータ） (2024-03-27T08:08:00Z)
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。