論文の概要: A Structural Dynamics Graph World Model: Unified Modeling, Constrained Rollout, and Interpretable Calibration

• arxiv url: http://arxiv.org/abs/2608.08689v1
• Date: Sun, 09 Aug 2026 13:11:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.916773
• Title: A Structural Dynamics Graph World Model: Unified Modeling, Constrained Rollout, and Interpretable Calibration
• Title（参考訳）: 構造ダイナミクスグラフ世界モデル:統一モデリング、制約付きロールアウト、解釈可能なキャリブレーション
• Abstract要約: バックボーン契約として構造ダイナミクスグラフ世界モデルを提案する。 任意の有界残差 R は学習可能性に集中し、大域射影は実現可能性を示す。 半合成洪水とUSGSストリームフローでは、SD-GWMは浮動小数点耐性に対する制約違反を低減する。
• 参考スコア（独自算出の注目度）: 9.354331831290233
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The state evolution of a complex system arises jointly from object laws, relational propagation, domain conservation, and unmodeled error. Forcing all sources into one black box makes mechanism attribution and constraint preservation unauditable; forcing every mechanism into one equation family discards mature domain solvers. We propose SD-GWM, a Structural Dynamics Graph World Model as an executable structural contract: nodes declare self-dynamics S, edges declare neighbor graph-coupled dynamics N---both fixed-form mechanism assets (rules, ODEs, solvers) calibrating only authorized parameters. An optional bounded residual R concentrates learnability, while a global projection maps states to feasibility, enforcing constraints without guaranteeing accuracy gains. On eight pre-registered research questions, SD-GWM delivers (i) heterogeneous integration: rules and solvers plug in natively; (ii) semantic fidelity: disabling R preserves source semantics bit-for-bit, with four theory properties under explicit proof/empirical boundaries; (iii) auditable governance: stepwise traces enable counterfactual fault localization (top-1 = 1.0) without post-hoc approximations. On a semi-synthetic flood testbed and USGS streamflow, SD-GWM reduces constraint violations to floating-point tolerance in analytical tests and to zero in semi-synthetic and real-data cases. Persistence matches SD-GWM in calm periods, but during a 254-day extreme-flood shift persistence and all neural baselines collapse (90-min RMSE 892-3007 cfs) while SD-GWM holds at 108 cfs (8-28x gain). The bounded residual cuts RMSE ~50% only under backbone bias. We position SD-GWM not as a universally superior forecaster, but as a verifiable substrate for auditable, constraint-safe spatiotemporal mining.
• Abstract（参考訳）: 複雑なシステムの状態進化は、オブジェクト法則、関係伝播、領域保存、非モデル誤差と共同で起こる。 すべての源を1つのブラックボックスに強制すると、メカニズムの帰属と制約の保存は不可視となり、すべてのメカニズムを1つの方程式ファミリーに強制すると、成熟したドメインソルバは破棄される。 ノードは自己力学Sを宣言し、エッジは隣接するグラフ結合力学N-を宣言し、固定形式機構資産(ルール、ODE、ソルバ)は認定パラメータのみを校正する。 任意の有界残差Rは学習可能性に集中し、一方、大域的射影は、精度の向上を保証せずに制約を強制し、実現可能性を示す。 SD-GWMが事前登録した8つの研究課題について (i)異種統合:規則及び解法者がネイティブに接続すること (ii)意味的忠実性: R を無効にすることは、明示的な証明・経験的境界の下で4つの理論的性質を持つ、ビット・フォー・ビットのソース意味を保存する。 (iii)監査可能なガバナンス: ステップワイズトレースは、ポストホック近似なしで、フォールトローカライゼーション(トップ-1 = 1.0)を可能にする。 半合成洪水試験ベッドとUSGSストリームフローでは、SD-GWMは分析試験において浮動小数点耐性に対する制約違反を減らし、半合成および実データケースではゼロにする。 SD-GWMは穏やかな期間でSD-GWMと一致するが、254日間の極端フッドシフトと全ての神経ベースラインが崩壊する(90分RMSE 892-3007 cfs)一方、SD-GWMは108 cfs(8-28x gain)。 有界残留切断は、背骨バイアス下でのRMSEの50%程度である。 我々はSD-GWMを汎用的に優れた予測器ではなく、監査可能で制約のない時空間採鉱のための検証可能な基盤として位置づける。

関連論文リスト

• Spectral Dynamics of Semantic Drift in Clinical Multi-Agent Language Model Networks [0.0]
  局所的な高密度傾斜角は、ハロゲン化データを閉じ込め、大域的なコンセンサスを防ぎ、恒久的なエントロピー飽和しきい値に向かってシステムを強制することを示す。 動的スペクトルモニタリングを$mathcalO(N3)$時間複雑さで導入することにより,グローバルな状態拡散を保証する数学的に厳密な手法を提案する。
  論文  参考訳（メタデータ） (2026-07-23T20:20:45Z)
• Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
  通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。 我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。 ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
  論文  参考訳（メタデータ） (2026-07-07T10:10:00Z)
• Trajectory-Anchor Optimization for Overconfident Thermal Visual Place Recognition: Zero-Leakage OOD Auditing and Kidnapped-Robot Recovery [3.9929096403817255]
  Trajectory-Anchor Optimization (TAO) はマクロスケールでの効率的なフェールセーフフィルタである。 5mの半径内では、幻覚はしばしば固いアライメントを知覚する局所的に一貫した幾何学を持つ。 TAOは、多視点の一貫性が破滅的な地形破壊を確実に分離する、明確な収束盆地(10m)を確立している。
  論文  参考訳（メタデータ） (2026-07-06T07:31:37Z)
• OmniISR: A Unified Framework for Centralized and Federated Learning via Intermediate Supervision and Regularization [58.03221830946145]
  我々は、純粋なCL、純粋なFL、ハイブリッドCL-FLトレーニングモードを融合する統合フレームワークであるOmniISRを提案する。 我々は,OmniISRが集中型パラダイムとフェデレーション型パラダイムの両方において,モデル性能を一貫して改善していることを示す。
  論文  参考訳（メタデータ） (2026-05-19T04:13:27Z)
• Authority Inversion in LLM-Mediated Ubiquitous Systems: When Models Trust Users Over Sensors [6.414826816896125]
  センサ計測とユーザ主張の衝突が未検討のままである場合に,大規模言語モデルがどのように権威を暗黙的に割り当てるかを検討する。 数値センサデータが解答関連モデル方向への統合に失敗し、自然言語によるクレームが最終決定を支配できることがわかった。 提案するGeometric Authority (GAC) は,不適切なユーザ権限を抑えるための推論時間層レベルの介入である。
  論文  参考訳（メタデータ） (2026-04-28T04:59:03Z)
• JANUS: Structured Bidirectional Generation for Guaranteed Constraints and Analytical Uncertainty [0.0]
  JANUS(Joint Ancestral Network for Uncertainity and Synthesis)は、ベイズ決定木のDAGを用いて機能を統合するフレームワークである。 主な革新はReverse-Topological Back-fillingであり、因果グラフを通して制約を後方に伝播するアルゴリズムである。 Janusは最先端の忠実度(Detection Score 0.497)を実現し、不均衡なデータのモード崩壊を排除し、複雑なカラム間制約を正確に処理する。
  論文  参考訳（メタデータ） (2026-03-04T05:36:11Z)
• Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
  プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。 我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。 重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
  論文  参考訳（メタデータ） (2026-02-24T05:32:03Z)
• Information Fidelity in Tool-Using LLM Agents: A Martingale Analysis of the Model Context Protocol [69.11739400975445]
  モデルコンテキストプロトコル(MCP)エージェントにおけるエラー蓄積を解析するための最初の理論的枠組みを紹介する。 累積歪みが線形成長と高確率偏差を$O(sqrtT)$で表すことを示す。 主な発見は、意味重み付けは歪みを80%減らし、周期的再接地は、エラー制御の約9ステップごとに十分である。
  論文  参考訳（メタデータ） (2026-02-10T21:08:53Z)
• ConsistentRFT: Reducing Visual Hallucinations in Flow-based Reinforcement Fine-Tuning [85.20505958752928]
  フローベースモデル上での強化ファインチューニング(RFT)は、優先順位調整に不可欠である。 RFTは、過度に最適化された詳細や意味的なミスアライメントのような視覚幻覚をしばしば導入する。 この研究は、なぜ視覚幻覚が生じるのか、どのようにそれらを減らすのかを予備的に探求する。
  論文  参考訳（メタデータ） (2026-02-03T11:49:46Z)
• Latent Sculpting for Zero-Shot Generalization: A Manifold Learning Approach to Out-of-Distribution Anomaly Detection [2.8547732086436306]
  教師付きディープラーニングの基本的限界は「一般化崩壊」である 階層型2段階表現学習フレームワークであるLatent Sculptingを提案する。 我々は「浸潤」のシナリオについて88.89%の検知率を報告した。
  論文  参考訳（メタデータ） (2025-12-19T11:37:02Z)
• Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
  第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。 We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
  論文  参考訳（メタデータ） (2025-11-04T17:22:22Z)
• On the Double Descent of Random Features Models Trained with SGD [78.0918823643911]
  勾配降下(SGD)により最適化された高次元におけるランダム特徴(RF)回帰特性について検討する。 本研究では, RF回帰の高精度な非漸近誤差境界を, 定常および適応的なステップサイズSGD設定の下で導出する。 理論的にも経験的にも二重降下現象を観察する。
  論文  参考訳（メタデータ） (2021-10-13T17:47:39Z)

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。