論文の概要: VPEvolve: A Self-Evolving Virtual Process Engineer for Computational Lithography
- arxiv url: http://arxiv.org/abs/2609.32473v1
- Date: Sat, 26 Sep 2026 11:06:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-07 08:48:50.419438
- Title: VPEvolve: A Self-Evolving Virtual Process Engineer for Computational Lithography
- Title（参考訳）: VPEvolve: コンピュータリソグラフィのための自己進化型仮想マシンエンジニア
- Abstract要約: システムは、仮想プロセスエンジニア(VPE)ハーネスと、測定されたエンジニアリング経験のスキルバンクを組み合わせる。
各修正は既存のルールと対話できるが、商用ツールトライアルからのレッスンはコードとログに散らばっている。
- 参考スコア（独自算出の注目度）: 11.601054432979899
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Optical proximity correction (OPC) recipes grow as engineers add local rules to repair newly discovered lithography hotspots. Each correction can interact with existing rules, while lessons from commercial-tool trials remain scattered across code and logs. \system combines a Virtual Process Engineer (VPE) harness with a Skill Bank of measured engineering experience. The harness equips a frozen language model with process manuals, layout analysis, recipe editing, and commercial-tool evaluation. The actor proposes changes to the global parameters, local targeted rules, or diagnostic trials. After each evaluation, an LLM reflector and curator turn the measured response into evidence-linked judgments. The actor retrieves them before its next trial. Feasible improvements update the retained recipe; every measured trial informs the Skill Bank that guides the next edit. The model weights remain fixed. On a FreePDK45-derived benchmark with ten commercial-tool evaluations per case, \system reduces the mean per-case maximum edge placement error from 18.294 to 5.361 nm on Poly and from 22.052 to 15.692 nm on Metal1. Every final recipe satisfies the predefined quality constraints and improves the maximum error by at least 0.1 nm.
- Abstract（参考訳）: 光近接補正(OPC)レシピは、エンジニアが新たに発見されたリソグラフィーホットスポットの修復に局所的な規則を追加することで成長する。
各修正は既存のルールと対話できるが、商用ツールトライアルからのレッスンはコードとログに散らばっている。
\systemは、VPE(Virtual Process Engineer)ハーネスと、測定されたエンジニアリング経験のスキルバンクを組み合わせたものだ。
このハーネスは、プロセスマニュアル、レイアウト分析、レシピ編集、商用ツール評価を備えたフリーズ言語モデルを備えている。
アクターは、グローバルパラメータ、ローカルターゲットルール、または診断試験の変更を提案する。
各評価の後、LCMリフレクタとキュレーターは、測定された応答をエビデンス関連判断に変換する。
俳優は次のトライアルの前にそれらを回収します。
有効な改善は、保持されたレシピを更新する; 全ての測定されたトライアルは、次の編集をガイドするスキルバンクに通知する。
モデル重量は固定されている。
FreePDK45由来のベンチマークでは、ケースあたりの10の商用ツール評価で、 \systemはケース毎の最大エッジ配置誤差をPolyでは18.294から5.361nm、Metal1では22.052から15.692nmに削減している。
最終的なレシピは、事前に定義された品質制約を満たし、最大誤差を0.1nm以上改善する。
関連論文リスト
- RRSI: Regularized Recursive Self-Improvement of Agent Harnesses [76.77275934611428]
正規化再帰的自己改善型エージェント・ハーネス(RRSI)
本稿では、正規化の原則を取り入れたRRSIを紹介し、進化候補の提案と選択を制約することで自己改善を活用する。
RRSIは5つのアウト・オブ・ディストリビューション・ベンチマークで14.1ポイント、最大4.7ポイントを獲得し、非正規化進化よりも30%少ないポリシートークンで動作するハーネスを生産している。
論文 参考訳（メタデータ） (2026-09-21T17:54:49Z) - When Residualization Helps an Audit: Format Effects, Slice Gains, and Their Limits [0.7734726150561088]
LLMシステムで使用される評価スコアは、測定する品質ではなく、表面形状を追跡することができる。
観測的NLIおよびQA設定では、不随伴アノテータのラベルを用いて評価する前に、保持された複製を凍結し、再評価する。
完全な人口合意は、報告された正のスライスゲインを持つすべての観測条件に該当し、要求内ランキングはそのようなQA設定すべてに該当する。
論文 参考訳（メタデータ） (2026-09-21T07:06:37Z) - The BatchNorm Illusion: Diagnosing Normalization Artifacts in Machine Unlearning Evaluation [8.644777648927427]
我々は、BatchNormベースのアーキテクチャでアンラーニングがどのように評価されるか、これまで文書化されていなかったコンファウンドを特定した。
我々は、この演算を重み保存された固定点演算子として定式化し、それが引き起こす逆ポストギャップがBN実行統計に起因することを証明した。
論文 参考訳（メタデータ） (2026-09-08T15:39:10Z) - When Knowledge Changes: Metamorphic Testing of RAG Systems with Mutations [7.72636722205447]
コーパス進化中のRAGシステムの整合性を評価するテストフレームワークを提案する。
故障分類学と11の突然変異演算子を定式化し,前チャンク(検索指標)と後チャンクレベルの両方でシステムを体系的に摂動させる。
論文 参考訳（メタデータ） (2026-07-29T12:32:04Z) - Self-Improving AI Coding Agents Through Accumulated Behavioral Rules: A Closed-Loop Framework [0.3867363075280543]
提案するクローズドループフレームワークでは,すべてのレビューコメントを永続的な行動規則として符号化する。
このフレームワークは、バージョン管理された命令ファイル、自己レビューチェックリスト、自動検証に設定された蓄積ルールを組み合わせる。
我々のフレームワークは、重み付けの更新なしに永続的なクロスセッション学習を実現し、既存のベンチマークが測定しない経験的な次元(時間とともに振る舞いの整合性)に対処する。
論文 参考訳（メタデータ） (2026-07-13T21:13:46Z) - Each Judge Its Own Yardstick: Discovering Per-VLM Taxonomies for Physical Video Evaluation [73.85089704122315]
本稿では,VLM毎に評価された分類を反復的に検出する手法を提案する。
我々は、VLMの寸法ごとのスコアを人間の身体的共同評価に調整し、そのスコアが信頼できないか冗長であるかを診断し、LPMに修復を促す。
改良された分類法は、テストされた全てのVLMビデオのホールドアウトビデオにおいて、平均的な相対的な改善が約32%で、グローバルスキーマベースラインを上回っている。
論文 参考訳（メタデータ） (2026-06-22T06:58:39Z) - A Granular Study of Safety Pretraining under Model Abliteration [64.24346997570275]
本稿では,リフレクションに敏感な方向を除去する軽量プロジェクション技術であるモデルアブリーブレーションについて検討する。
我々は、バランスのとれた有害かつ無害なケースで100のプロンプトを発行し、複数の判断を用いて**Refusal*または***Non-Refusal*として応答を分類し、判断の忠実さを検証する。
本研究は,データ中心の安全コンポーネントが失語中も頑健であるチェックポイントレベルの特徴付けを行う。
論文 参考訳（メタデータ） (2025-10-03T07:01:45Z) - Unblocking Fine-Grained Evaluation of Detailed Captions: An Explaining AutoRater and Critic-and-Revise Pipeline [58.832237984587664]
VNLI-Critiqueは,自動文レベルの事実性分類と批判生成のためのモデルである。
1) VNLI-CritiqueはM-HalDetectベンチマークの最先端性能によって検証された堅牢な一般化を実証し、(2) VNLI-CritiqueによるDOCCI-Critique向けAutoRaterは信頼性の高いVLMランキングを提供し、人間の事実性判断と優れた整合性を示す。
論文 参考訳（メタデータ） (2025-06-09T10:57:26Z) - Localized Calibration: Metrics and Recalibration [133.07044916594361]
完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。
次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
論文 参考訳（メタデータ） (2021-02-22T07:22:12Z)
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。