論文の概要: MechReasoner: A Simulator and Benchmark for Mechanistic Reasoning in Qualitative Physics
- arxiv url: http://arxiv.org/abs/2609.34636v1
- Date: Mon, 28 Sep 2026 08:51:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 11:45:49.273227
- Title: MechReasoner: A Simulator and Benchmark for Mechanistic Reasoning in Qualitative Physics
- Title（参考訳）: MechReasoner:定性的物理学におけるメカニスティック推論のシミュレータとベンチマーク
- Abstract要約: MechReasonerは、コンフルエンスに基づく定性物理を基礎とした機械的定性シミュレータである。
このベンチマークは、回答がシミュレータライセンスの曖昧さ、定量化されたクレーム、エピソードグラフ遷移の証拠、修復、およびトレース対応の判断を保存するかどうかをテストする。
- 参考スコア（独自算出の注目度）: 23.839512354872934
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This work introduces MechReasoner, a mechanistic qualitative simulator grounded in confluence-based qualitative physics, together with a benchmark for mechanistic inference. Current large language models (LLMs) generate fluent mechanistic descriptions that do not reliably follow from underlying structural and causal constraints. The benchmark tests whether answers preserve simulator-licensed ambiguity, quantified claims, episode-graph transition evidence, repairs, and trace-support judgments. Its 1,120 items are generated deterministically from admissible interpretation sets, component states, scenario restrictions, confluence constraints, and derivation steps across 18 catalog mechanisms and six task families. Each mechanism undergoes converter checks of structure and topology and behavioral checks against quantitative simulations. GPT-5.5 accuracy decreases as family-specific mechanistic complexity increases, from 76.1% in the lowest-complexity bucket (B1) to 38.0% in the highest-complexity bucket (B4). The negative association remains after controls for rendered-prompt and expected-answer length. These results show that qualitative simulators can support auditable NLP benchmarks for mechanistic inference.
- Abstract（参考訳）: この研究は、収束に基づく定性物理を基礎とした力学定性シミュレータMechReasonerと、力学推論のベンチマークを紹介する。
現在の大規模言語モデル(LLM)は、基礎となる構造的制約や因果的制約から確実に従わないような、流動的な機械的記述を生成する。
このベンチマークは、回答がシミュレータライセンスの曖昧さ、定量化されたクレーム、エピソードグラフ遷移の証拠、修復、およびトレース対応の判断を保存するかどうかをテストする。
1,120項目は、許容可能な解釈セット、コンポーネント状態、シナリオ制限、収束制約、および18のカタログ機構と6つのタスクファミリーの導出ステップから決定的に生成される。
各メカニズムは、定量的シミュレーションに対する構造やトポロジ、行動チェックのコンバータチェックを実行する。
GPT-5.5の精度は、家族固有の機械的複雑さが増加するにつれて低下し、最も複雑なバケット(B1)の76.1%から最も複雑なバケット(B4)の38.0%に低下する。
負の関連性は、レンダリングプロンプトと期待応答長の制御後に残る。
これらの結果から,定性的シミュレータは機械的推論のための監査可能なNLPベンチマークをサポートできることが示唆された。
関連論文リスト
- Evaluating a 4B open-weights local LLM for agentic DFT workflows: a literature reproducibility audit [0.0]
この研究は、様々なハードウェア制約に対して自律的な科学パイプラインを実行するオープンウェイトQwen3:4Bモデルを評価する。
このシステムは、非構造化テキストからパラメータを抽出し、それらを密度汎関数理論(DFT)入力に変換し、シミュレーションを収束させる。
論文 参考訳（メタデータ） (2026-08-30T08:59:05Z) - HamQASBench: A Hamiltonian-Informed Diagnostic Benchmark for Evaluating Quantum Architecture Search [9.280081053107969]
HamQASBenchはハミルトン式診断ベンチマークであり、11分子を5つの構造層にまとめている。
ポストホック臨界構造抽出法は各層が要求する最小限の回路を特定する。
論文 参考訳（メタデータ） (2026-07-06T09:15:19Z) - PHREEQC-MCQ-200: A Diagnostic Benchmark for Tool-Augmented Scientific Simulator Agents [6.42941089713711]
決定論的水-地球化学シミュレーションにおけるツール強化剤の評価のためのベンチマークであるPHREEQC-MCQ-200を紹介する。
シミュレーションアクセスは,多くの科学計算タスクにおいて,グラウンドド実行が必須であることを確認し,アグリゲート精度を大幅に向上することを示す。
科学的エージェントの評価は, 精度だけでなく, アイテムレベルの保持, 出力アクセス感度, 軌道障害, 計算チェーンの故障箇所を報告すべきである。
論文 参考訳（メタデータ） (2026-07-01T04:51:37Z) - Simulate, Reason, Decide: Scientific Reasoning with LLMs for Simulation-Driven Decision Making [50.05403024674141]
MechSimは、実行可能な科学シミュレーターのためのメカニズム基底の神経象徴的推論フレームワークである。
我々のフレームワークは、仮定、変数、メカニズムの依存関係、実行トレースをキャプチャする共有構造化スキーマを通してシミュレータを表現する。
提案手法は,複数のハイテイク領域にまたがって評価され,メカニズムレベルの説明品質,シミュレータ解析,下流意思決定の信頼性が向上することを示す。
論文 参考訳（メタデータ） (2026-06-03T06:36:51Z) - LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。
CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
論文 参考訳（メタデータ） (2026-05-02T11:31:33Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - Formal verification of tree-based machine learning models for lateral spreading [1.8935043109084546]
本稿では,Satifiability Modulo Theories (SMT) 解法において,学習木アンサンブルを論理式として符号化する。
4つの測地学的仕様は決定可能な論理式として定式化され、2011年のクライストチャーチ地震の横分散データセットで訓練されたXGBoostアンサンブルとEBM(Explainable Boosting Machines)の両方に対してSMTを介して検証される。
完全に制約されたESMは4つの仕様のうち3つを満たす。
論文 参考訳（メタデータ） (2026-03-17T16:27:51Z) - Robust Machine Learning for Regulatory Sequence Modeling under Biological and Technical Distribution Shifts [0.3948325938742681]
性能劣化、校正失敗、不確実性に基づく信頼性を定量化するためのロバストネスフレームワークを導入する。
シミュレーションでは、セル型特異的プログラム、摂動、GCバイアス、深さ変化、バッチ効果、ヘテロscedastic noiseによってモチーフ駆動の制御出力が生成される。
モデルは精度は保たれるが、高い誤差、激しいばらつきの誤校正、モチーフ効果の反転とノイズによるカバー崩壊が支配的な体制である。
論文 参考訳（メタデータ） (2026-01-21T13:15:27Z) - DISPROTBENCH: A Disorder-Aware, Task-Rich Benchmark for Evaluating Protein Structure Prediction in Realistic Biological Contexts [76.59606029593085]
DisProtBenchは、構造障害および複雑な生物学的条件下でタンパク質構造予測モデル(PSPM)を評価するためのベンチマークである。
DisProtBenchはデータの複雑さ、タスクの多様性、解釈可能性という3つの重要な軸にまたがっている。
その結果,機能的予測障害と相関する低信頼領域を有する障害下でのモデルロバスト性に有意な変動が認められた。
論文 参考訳（メタデータ） (2025-06-18T23:58:22Z) - G-Sim: Generative Simulations with Large Language Models and Gradient-Free Calibration [48.948187359727996]
G-Simは、厳密な経験的校正によるシミュレータ構築を自動化するハイブリッドフレームワークである。
信頼性のある因果的インフォームドシミュレータを生成し、データ効率を軽減し、堅牢なシステムレベルの介入を可能にする。
論文 参考訳（メタデータ） (2025-06-10T22:14:34Z)
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。