論文の概要: PolyBridgeBench: Benchmarking Multimodal LLMs for Physics-Grounded Bridge Design
- arxiv url: http://arxiv.org/abs/2609.21493v1
- Date: Fri, 18 Sep 2026 08:47:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-21 18:40:16.935808
- Title: PolyBridgeBench: Benchmarking Multimodal LLMs for Physics-Grounded Bridge Design
- Title（参考訳）: PolyBridgeBench:物理グラウンドブリッジ設計のためのマルチモーダルLCMのベンチマーク
- Abstract要約: マルチモーダルブリッジ設計のための実行可能なベンチマークであるPolyBridgeBenchを紹介する。
モデルは、視覚的なシーンと構造化されたエンジニアリング制約を受け取り、完全なノード-メンバー-マテリアルトポロジーを生成する。
実行が失敗した後、ベンチマークは失敗したロールアウトから時間的視覚的証拠を返す。
決定論的妥当性、動的機能的成功、障害後の回復の別々の測定は、設計が失敗する段階を特定する。
- 参考スコア（独自算出の注目度）: 14.174104275800557
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multimodal large language models, or MLLMs, perform well at visual understanding and structured generation, yet these capabilities do not establish whether an engineering design will work when executed. Existing benchmarks assess spatial reasoning, structural validity, or physics-grounded construction, but they do not determine whether MLLMs can synthesize complete load-bearing structures and repair them after simulator execution exposes a failure. We introduce PolyBridgeBench, an executable benchmark for multimodal bridge design. A model receives a visual scene and structured engineering constraints and generates a complete node--member--material topology. Deterministic legality checks gate execution in a native dynamic physics simulation. Following an execution failure, the benchmark returns temporal visual evidence from the failed rollout and evaluates repair under a fixed interaction budget. Separate measurements of deterministic validity, dynamic functional success, and post-failure recovery identify the stage at which design fails. Experiments with six representative MLLMs across 189 levels expose a substantial gap between deterministic validity and dynamic success, pronounced sensitivity to material budgets, and limited post-failure recovery under the primary strict-budget setting.
- Abstract（参考訳）: MLLM(Multimodal large language model)は、視覚的理解と構造化生成においてよく機能するが、これらの機能は、実行時にエンジニアリング設計が機能するかどうかを定めていない。
既存のベンチマークでは、空間的推論、構造的妥当性、物理的な地下構造が評価されているが、MLLMが完全な積載構造を合成し、シミュレータの実行が失敗を露呈した後で修復できるかどうかは定かではない。
マルチモーダルブリッジ設計のための実行可能なベンチマークであるPolyBridgeBenchを紹介する。
モデルは、視覚的なシーンと構造化されたエンジニアリング制約を受け取り、完全なノード-メンバー-マテリアルトポロジーを生成する。
決定論的合法性は、ネイティブな動的物理シミュレーションにおけるゲートの実行をチェックする。
実行が失敗した後、ベンチマークは失敗したロールアウトから時間的視覚的証拠を返却し、固定された相互作用予算の下で修復を評価する。
決定論的妥当性、動的機能的成功、障害後の回復の別々の測定は、設計が失敗する段階を特定する。
189レベルにわたる6つの代表的MLLMによる実験は、決定論的妥当性と動的成功の間に大きなギャップを生じさせ、材料予算に対する感受性を示し、主要な厳格な予算設定の下での障害後の回復を制限した。
関連論文リスト
- StructureClaw: Traceable LLM Agents and an Executable Benchmark for Structural Engineering Workflows [15.552044829103373]
構造工学要求のためのアーティファクト中心のワークベンチであるStructureClawを紹介します。
また、150の制御シナリオの実行可能なベンチマークであるStructureClaw-Benchを紹介します。
同じ50の標準ケースで評価された10のエージェントモデル構成の中で、平均成功率は56.8%、ジェネリックスキルベースラインは88.6%、完全な自動ワークフローは88.6%となっている。
論文 参考訳（メタデータ） (2026-07-16T12:13:41Z) - Gatekeepers and Hallucinations: A Layered Evaluation Framework for LLM-Driven Quantum Circuit Generation [0.0]
材料インフォームド変分量子固有解器(VQE)回路生成のための階層評価フレームワークを提案する。
5つの異なるLCM障害モード(幾何学幻覚、存在しないAPI使用、統合障害、制約違反、検証不可能な出力)を分類する。
評価プラットフォーム自身のソースコードの法医学的な監査により、サイレントフォールバック・テンプレート置換によって、ハーネスに2つの明らかなモデル障害が生じたことが確認された。
論文 参考訳（メタデータ） (2026-06-16T19:17:54Z) - Human-Enhanced Loop Modeling (HELM): Agent-Based Finite Element Modeling of Concrete Bridge Barriers [0.16311150636417257]
本稿では,長周期有限要素モデリングを離散的,視覚的に検証可能なチェックポイントに分解する協調型ヒューマンエージェントプロトコルを提案する。
本フレームワークは,MASH TL-4およびTL-5側装荷条件下で補強コンクリート橋梁の20ケースマトリクスを用いて実演する。
実験結果から,HELMはベースラインの自律モデリング成功率を20%から75%に改善し,エージェントレベルの通過率と境界条件の約2倍に向上した。
論文 参考訳（メタデータ） (2026-06-10T12:48:27Z) - CellScientist: Dual-Space Hierarchical Orchestration for Closed-Loop Refinement of Virtual Cell Models [62.281480231694]
VCM(Virtual Cell Modeling)は、摂動応答を予測できるだけでなく、予測が失敗した場合にターゲットリビジョンをサポートするモデルを必要とする。
現在のLCM支援モデリングでは、予測誤差が実行可能実装を通して観測されるという改善ルーティング問題に直面している。
提案するCellScientistは,高レベル仮説空間と低レベル実行可能実装空間を結合した,二重空間階層型フレームワークである。
論文 参考訳（メタデータ） (2026-05-08T06:40:24Z) - How LLMs Fail and Generalize in RTL Coding for Hardware Design? [56.361436215029045]
我々は,認知理論に触発された問題解決性に基づく新しい誤り分類法を導入する。
我々の分類学は、障害を構文、意味、解決可能な機能、解決不可能な機能タイプに分類する。
論文 参考訳（メタデータ） (2026-04-26T14:34:49Z) - Beyond Test-Time Training: Learning to Reason via Hardware-Efficient Optimal Control [86.63490309209378]
我々は、最適制御として推論を定式化し、推論時に潜在状態に対して有限水平LQR計画を行うテスト時間制御層を導入する。
アーキテクチャ層として最適制御を組み込むことは、テスト時間トレーニングを超えた推論のための効果的でスケーラブルなメカニズムを提供することを実証する。
論文 参考訳（メタデータ） (2026-03-10T05:42:13Z) - From Perception to Action: An Interactive Benchmark for Vision Reasoning [51.11355591375073]
Causal Hierarchy of Actions and Interactions (CHAIN)ベンチマークは、モデルが物理的制約に基づいて構造化されたアクションシーケンスを理解し、計画し、実行できるかを評価するために設計された。
CHAINは、受動的知覚からアクティブな問題解決、機械パズルのインターロックや3D積み重ね、パッキングといったタスクへと評価をシフトする。
以上の結果から,トップパフォーマンスモデルでは,物理構造や因果制約の内在化に苦慮し,信頼性の高い長期計画の作成に失敗することが多く,認識された構造を効果的に翻訳することができないことが示唆された。
論文 参考訳（メタデータ） (2026-02-24T15:33:02Z) - Grounding LLMs in Scientific Discovery via Embodied Actions [84.11877211907647]
大規模言語モデル (LLMs) は科学的発見に大きな可能性を示しているが、理論的推論と物理シミュレーションのギャップを埋めるのに苦労している。
EmbodiedActは、確立された科学ソフトウェアを、密着した知覚・実行ループによる実施行動の基盤化により、アクティブな実施エージェントに変換するフレームワークである。
論文 参考訳（メタデータ） (2026-02-24T07:37:18Z) - Rethinking Scientific Modeling: Toward Physically Consistent and Simulation-Executable Programmatic Generation [8.067859101380389]
非実行可能または物理的に一貫性のない出力は、厳密な工学的制約の下では依然として一般的である。
物理に一貫性のある自動建築モデリングのための枠組みを提案する。
CivilInstructは、構造工学の知識と制約推論を形式化するドメイン固有のデータセットとして導入された。
MBEvalは、実行可能性と構造的ダイナミクスの一貫性を評価する検証駆動ベンチマークとして提示される。
論文 参考訳（メタデータ） (2026-02-06T06:57:04Z) - RoSTE: An Efficient Quantization-Aware Supervised Fine-Tuning Approach for Large Language Models [53.571195477043496]
本稿では,RoSTE (Rotated Straight-Through-Estimator) というアルゴリズムを提案する。
RoSTEは、量子化を意識した微調整(QA-SFT)と適応的な回転戦略を組み合わせることで、アクティベーションアウトリーを減少させる。
その結果, 予測誤差は収束重みの量子化誤差と直接比例し, 最適化された回転構成により効果的に管理できることが判明した。
論文 参考訳（メタデータ） (2025-02-13T06:44:33Z) - A Self-Correcting Vision-Language-Action Model for Fast and Slow System Manipulation [30.207690822989292]
自己修正(SC-)VLAフレームワークは、アクションを直接予測する高速システムと、失敗したアクションを反映する遅いシステムを統合する。
高速システムでは,パラメータ効率のよい微調整を取り入れて,モデルにポーズ予測機能を持たせる。
動作が遅いシステムでは,動作不良後の人間の反射を模倣するように設計された,故障訂正のためのチェーン・オブ・ソート・トレーニング戦略を提案する。
論文 参考訳（メタデータ） (2024-05-27T17:58:48Z)
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。