論文の概要: Benchmarking and Reasoning Distillation of Large Language Models for Feedback Controller Design in Complex Dynamical Systems
- arxiv url: http://arxiv.org/abs/2608.07004v1
- Date: Fri, 07 Aug 2026 09:19:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.446077
- Title: Benchmarking and Reasoning Distillation of Large Language Models for Feedback Controller Design in Complex Dynamical Systems
- Title（参考訳）: 複雑力学系におけるフィードバック制御系設計のための大規模言語モデルのベンチマークと推論
- Abstract要約: 大規模言語モデル(CoDyControlBench)のための複雑ダイナミクス・コントロルベンチマークを導入する。
システム構成は、DoFの数、システムタイプ、結合レベル、減衰状態、コントローラタイプという5つの評価次元にまたがる132のシステム構成で構成されている。
GPTは94.8%、Qwenは50.0%だった。
- 参考スコア（独自算出の注目度）: 31.912092294245834
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Although remarkable capabilities have been demonstrated by Large Language Models (LLMs) across scientific domains, feedback controller design remains underexplored. Existing benchmarks focus mainly on linear single-Degree-of-Freedom (DoF) systems and large API-hosted models, leaving performance on complex controller-design tasks and feasibility for edge deployment unclear. To address these limitations, we introduce the Complex Dynamics-to-Control Benchmark for Large Language Models (CoDyControlBench), comprising 132 system configurations across five evaluation dimensions: number of DoF, system type, coupling level, damping regime, and controller type. Six state-of-the-art LLMs were evaluated over three independent runs, including three commercial models (GPT, Gemini, and Claude) and three open-source models (GLM, DeepSeek, and Qwen). GPT achieved the highest design success rate at 94.8\%, whereas Qwen showed the lowest rate at 50.0\%. Across the benchmark dimensions, DoF and controller type exhibited the largest model-averaged variations in design success, with success-rate ranges of 36.3\% and 17.6\%, respectively, exceeding those associated with system type, coupling level, and damping regime. Comparison of GPT and Qwen showed that their performance gap arose mainly from the control-design knowledge, particularly gain selection and the use of transient-limiting mechanisms. For edge deployment, a specialized 1.5B-parameter model was developed through reasoning distillation. The reasoning-distilled model outperformed the answer-distilled and base model on CoDyControlBench, maintained stable performance across 1-6 DoFs, and achieved successful traget tracking in all three physical trials on a pneumatic-artificial-muscle-driven robotic arm. These results establish a benchmark baseline and highlight the potential of lightweight, edge-deployable controller-design models.
- Abstract（参考訳）: LLM(Large Language Models)によって科学領域にまたがって顕著な能力が実証されているが、フィードバックコントローラの設計はいまだに未検討である。
既存のベンチマークでは、リニアな単一自由度(DoF)システムと大規模なAPIホスト型モデルに重点を置いており、複雑なコントローラ設計タスクのパフォーマンスとエッジデプロイメントの可能性は不明なままである。
これらの制約に対処するため、我々は、DoF数、システムタイプ、結合レベル、減衰状態、コントローラタイプという5つの評価次元にまたがる132のシステム構成を含む、大規模言語モデルのための複雑ダイナミクス・コントロルベンチマーク(CoDyControlBench)を紹介した。
独立した3つのモデル(GPT、Gemini、Claude)と3つのオープンソースモデル(GLM、DeepSeek、Qwen)を含む6つの最先端LCMが評価された。
GPT は 94.8 % で、Qwen は 50.0 % で最低であった。
ベンチマークディメンション全体において、DoFとコントローラタイプは、それぞれ36.3\%と17.6\%の成功率で、システムタイプ、カップリングレベル、ダンピングレジームよりも大きなモデル平均的なバリエーションを示した。
GPTとQwenの比較により,制御設計知識,特にゲイン選択と過渡制限機構の使用により,その性能ギャップが生じた。
エッジ展開では, 蒸留法による1.5Bパラメータモデルが開発された。
推理蒸留されたモデルは、CoDyControlBenchの解答蒸留およびベースモデルより優れ、1-6 DoFの安定性能を維持し、空気圧駆動の筋肉駆動ロボットアームの3つの物理的試験で軌道追跡に成功した。
これらの結果はベンチマークベースラインを確立し、軽量でエッジデプロイ可能なコントローラ設計モデルの可能性を強調している。
関連論文リスト
- Model Predictive Control of Tensegrity Robots via Contact-Aware Graph Neural Dynamics Model [7.6062899503507815]
本研究では,学習グラフニューラルネットワーク(GNN)ダイナミックスモデルにより駆動される3バー張力ロボットのためのモデル予測経路積分(MPPI)コントローラを提案する。
MuJoCoでは、壁の障害物、傾斜線、狭い廊下、低クリアランス構造、複合3D障害物コースを含む5つのナビゲーションタスクで実験が行われている。
その結果, 複雑な接触環境下では, 学習力学とサンプリングベースモデル予測制御が組み合わさって, 強靭な引張ナビゲーションを可能にすることがわかった。
論文 参考訳（メタデータ） (2026-09-08T16:14:25Z) - Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。
生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。
現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
論文 参考訳（メタデータ） (2026-08-17T09:53:27Z) - SLAI T-Rex: Full-Parameter Post-training of the DeepSeek-V4 Family on Ascend SuperPOD [91.71050339479261]
本稿では,Ascend NPU SuperPODにおけるエンドツーエンド最適化手法を提案する。
モデルレベルの並列性、計算通信オーケストレーション、低レベルのカーネル実行にまたがる階層的最適化フレームワークを開発した。
その結果、34.22%のモデルFLOP(Model FLOP)利用が達成され、オープンソースのベースラインレシピよりも2.93倍改善された。
論文 参考訳（メタデータ） (2026-07-22T13:49:17Z) - Deep RL- Tuned Mo del-Free Adaptive Control for Lower-Limb Exoskeletons During Sit-to-Stand Transitions [0.6397595749616992]
Sit-to-stand(STS)移行は、高齢者にかなりの関節装填要求を課す。
STS中の正確な軌道追跡は、複雑な時間変化のヒト外骨格相互作用のダイナミクスのために困難である。
本稿では,STS動作中の両側下肢に対するインテリジェントモデル自由適応バックステッピング戦略を提案する。
論文 参考訳（メタデータ） (2026-06-20T13:35:47Z) - VibeThinker-3B: Exploring the Frontier of Verifiable Reasoning in Small Language Models [10.513021831152363]
本稿では、3Bパラメータを持つコンパクトな密度モデルVibeThinker-3Bについて紹介する。
VibeThinker-3Bは高要求の検証タスクにおいてフロンティアレベルの性能を実現する。
論文 参考訳（メタデータ） (2026-06-15T02:57:19Z) - SciOrch: Learning to Orchestrate Expert LLMs for Solving Frontier Multimodal Scientific Reasoning Tasks [65.14594927081983]
SciOrchは、科学的な推論のためにフロンティアLSMを編成する軽量8Bモデルを訓練するフレームワークである。
SGI-ReasoningとScientificsの最初の試験にまたがる240回の試験セットでは、SciOrchの平均精度は56.66%に達した。
また、一般的なマルチエージェントメソッドのAPIコストの半分未満で、SGIとSFEの両方で最高の精度を実現する。
論文 参考訳（メタデータ） (2026-06-14T15:45:34Z) - MolmoAct2: Action Reasoning Models for Real-world Deployment [67.6315757474802]
MolmoAct2は、実用的なデプロイメントのために構築された、完全にオープンなアクション推論モデルである。
空間的および具体的推論に特化した VLM バックボーンである MolmoER を紹介する。
低コストプラットフォームにまたがる3つの新しいデータセットをリリースする。
論文 参考訳（メタデータ） (2026-05-04T17:51:21Z) - HY-Embodied-0.5: Embodied Foundation Models for Real-World Agents [71.09493646932046]
本稿では,実世界のエンボディエージェントに特化して設計された基礎モデルのファウンデーションモデルであるHY-Embodied-0.5を紹介する。
HY-Embodied-0.5スイートは、エッジ配置用に設計された2Bアクティベートパラメータを持つ効率的なモデルと、複雑な推論をターゲットとした32Bアクティベートパラメータを持つ強力なモデルである。
私たちのMoT-2Bモデルは16ベンチマークで同等の大きさの最先端モデルより優れていますが、32BはGemini 3.0 Proのようなフロンティアモデルに匹敵するパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2026-04-08T17:59:48Z) - Evaluating Performance Drift from Model Switching in Multi-Turn LLM Systems [0.5833117322405447]
マルチターンLLMシステムは、アップグレード、クロスプロジェクタルーティング、フォールバックにより、通常、モデルの中間動作を切り替える。
本稿では,初期ターンのプレフィックスモデルと最終ターンの接尾辞モデルを実行することで,その効果を測定するスイッチ行列ベンチマークを提案する。
シングルターンのハンドオフでさえ、一般的で統計的に有意な方向効果をもたらす。
論文 参考訳（メタデータ） (2026-03-03T15:44:57Z) - SWE-RM: Execution-free Feedback For Software Engineering Agents [61.86380395896069]
実行ベースフィードバックは、テストタイムスケーリング(TTS)と強化学習(RL)を通じて、コーディングエージェントの開発に広く利用されている。
対照的に、報酬モデルによる実行不要なフィードバックは、単体テストケースに依存することなく、よりきめ細かい信号を提供することができる。
SWE-RMは,30Bの合計パラメータと3Bのアクティベートされた3Bの混合実験アーキテクチャを採用した,正確で堅牢な報酬モデルである。
論文 参考訳（メタデータ） (2025-12-26T08:26:18Z) - CodingTeachLLM: Empowering LLM's Coding Ability via AST Prior Knowledge [0.0]
我々は,コーディング学習用に設計された大規模言語モデル(LLM)であるCodingTeachLLMを紹介する。
本モデルは,学習知識の構造的分解と漸進的指導によるアウトプットを実現する。
当社のモデルは,オープンソースモデルと比較して,コード能力の最先端性も達成している。
論文 参考訳（メタデータ） (2024-03-13T05:38:39Z)
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。