論文の概要: Validating LLM-Modernized Scientific Software Through Differential Fault Injection

• arxiv url: http://arxiv.org/abs/2608.14527v1
• Date: Fri, 14 Aug 2026 17:45:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.46028
• Title: Validating LLM-Modernized Scientific Software Through Differential Fault Injection
• Title（参考訳）: ディファレンシャルフォールトインジェクションによるLLM近代化科学ソフトの検証
• Authors: Evan Coleman, Yuzhong Shen, Masha Sosonkina, Peng Xu,
• Abstract要約: 大規模言語モデル(LLM)エージェントは、レガシーなFortranの基盤となる科学ソフトウェアを現代化するのにますます使われている。 本稿では,従来のコードに対する障害応答,摂動,精度の低下を,近代化が維持するかどうかを検証するための差分欠陥注入検証手法を提案する。
• 参考スコア（独自算出の注目度）: 4.4455011390187815
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language model (LLM) agents are increasingly used to modernize the legacy Fortran underlying production scientific software, but validation of these transformations emphasizes nominal executions and may not test whether a modernization preserves the original code's response to faults, perturbations, and reduced precision. We present a differential fault-injection validation method: a harness instruments the shared self-consistent-field driver of GAMESS at twelve sites and applies identical, deterministic faults to the original and LLM-modernized implementations, isolating the converted integral kernels. Across more than 2,200 runs, transient-fault absorption costs match a contraction-based model (predicted slopes 0.74 and 1.49 iterations per bit; measured 0.82 and 1.50), persistent perturbations halve final-energy error per additional bit, and the campaigns expose phase-dependent parallel deadlocks and false convergence under reduced precision. The original and modernized kernels agree in all 200 paired injections, and a measurement-guided synchronization change composes with the modernization, matching in all 40 pairs.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントは、レガシーなFortranの基盤となる科学的ソフトウェアを現代化するのにますます使われているが、これらの変換の検証は名目上の実行を強調し、近代化が欠陥、摂動、精度の低下に対する元のコードの応答を保っているかどうかを検証しない可能性がある。 本稿では, GAMESS の共有自己整合体ドライバを 12 箇所で計測し, 原型および LLM 近代化実装に同一かつ決定論的欠陥を適用し, 変換された積分カーネルを分離する差分欠陥注入検証手法を提案する。 2,200ラン以上の実行において、過渡的フォールト吸収コストは収縮ベースのモデル(予測スロープ0.74と1.49の繰り返し、測定値0.82と1.50)と一致し、持続的摂動は追加ビットあたりの最終的なエネルギー誤差を半減させ、キャンペーンは位相依存の並列デッドロックと偽収束を精度の低下の下で露呈する。 オリジナルおよび近代化されたカーネルは、全ての200対のインジェクションに一致し、測定誘導同期変更は、すべての40対の近代化と組み合わせて構成される。

関連論文リスト

• Rethinking Pixel Mean Flows via Interval Denoiser [95.11499828543344]
  潜在自由生成のためのフレームワークであるInterval Denoiserを提案する。 その結果,FIDは1ステップ (1-NFE) で4.55, 2ステップ (2-NFE) で3.98であった。
  論文  参考訳（メタデータ） (2026-08-05T13:22:43Z)
• DiffusionGemma Technical Report [72.10570774996219]
  DiffusionGemma(ディフュージョン・ジェマ)は、離散拡散を用いてテキストを生成する言語モデルである。 DiffusionGemmaは、一度に1つのトークンをデコードする代わりに、256個のトークンのブロックを並列に繰り返し洗練する。 私たちの計算効率の良い2段階トレーニングパイプラインは、開始したARモデルの総トレーニングトークン予算の10%未満を使用します。
  論文  参考訳（メタデータ） (2026-07-31T16:11:46Z)
• Co4ICF: Co-evolving Physics-Informed Surrogate and RL-based Pulse Optimizer for Inertial Confinement Fusion [43.450233708268684]
  Co4ICFは物理インフォームされたサロゲートとPPOベースのパルスを結合する共進化フレームワークである。 1D Multi環境では、Co4ICFは現在のレーザー設計ベースラインに基づいて146.1%の正規化収率を達成する。 将来のベンチマークをサポートするため,大規模マルチIFEシミュレーションデータセットをリリースする。
  論文  参考訳（メタデータ） (2026-07-11T15:43:27Z)
• Reconstruction of detector error model for quantum error correction [6.505803823301456]
  本稿では,実験症候群統計を直接離散的物理ハイパーグラフに変換するための一貫した枠組みを提案する。 本研究では, 高次から低次まで, 絶対的な統計的分散が線形に蓄積されるような, 密度コードにおける正確な連続パラメータ抽出が, テキスト分散カスケードによって制限されていることを示す。 これは、現実的な量子ハードウェアにおいて、非常に相関性の高いノイズを特徴付け、デコードするための実践的なアプローチを提供する。
  論文  参考訳（メタデータ） (2026-06-15T06:51:48Z)
• Trajectory Guard -- A Lightweight, Sequence-Aware Model for Real-Time Anomaly Detection in Agentic AI [0.0]
  トラジェクトリガードはシームズ・リカレント・オートエンコーダであり、コントラスト学習によるタスク・トラジェクトリアライメントと、再構成によるシーケンシャル・アライメントを共同で学習するハイブリッド・ロス機能を備えている。 32ミリ秒のレイテンシで、当社のアプローチは LLM Judge のベースラインよりも17-27倍高速で動作し、実運用環境におけるリアルタイムの安全性検証を可能にします。
  論文  参考訳（メタデータ） (2026-01-02T00:27:11Z)
• ATTS: Asynchronous Test-Time Scaling via Conformal Prediction [112.54016379556073]
  大規模な言語モデル(LLM)は、テスト時のスケーリングの恩恵を受けるが、しばしば高い推論遅延によって妨げられる。 統計的に保証された適応スケーリングフレームワークであるATTS(Asynchronous Test-Time Scaling)を紹介する。 ATTSは、テストタイムのスケーリングにおいて最大56.7倍のスピードアップと4.14倍のスループット向上を実現している。
  論文  参考訳（メタデータ） (2025-09-18T16:55:09Z)
• FT-Transformer: Resilient and Reliable Transformer with End-to-End Fault Tolerant Attention [5.261954615957387]
  トランスフォーマーの既存のフォールトトレランスフレームワークは、アーキテクチャ最適化なしで運用レベルで設計されている。 本論文では,アテンションモジュール内の操作を単一カーネルとして扱うことにより,トランスフォーマーのモジュールレベル保護を実現する。 従来手法よりも最大7.56倍の高速化を実現し, 平均耐故障性能は13.9%であった。
  論文  参考訳（メタデータ） (2025-04-03T02:05:08Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)
• Non-Autoregressive Transformer ASR with CTC-Enhanced Decoder Input [54.82369261350497]
  CTCモジュールの予測を精算することでターゲットシーケンスを生成するCTC拡張NARトランスを提案する。 実験結果から,Aishell-1およびAishell-2データセットでは,Aishell-1およびAishell-2データセットの絶対CER劣化が0。
  論文  参考訳（メタデータ） (2020-10-28T15:00:09Z)

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。