論文の概要: PhysicsMate: A Curriculum-Grounded Bengali Benchmark for Secondary Physics QA with Small-Model Adaptation

• arxiv url: http://arxiv.org/abs/2610.00664v1
• Date: Wed, 30 Sep 2026 20:02:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.749481
• Title: PhysicsMate: A Curriculum-Grounded Bengali Benchmark for Secondary Physics QA with Small-Model Adaptation
• Title（参考訳）: PhysicsMate:小モデル適応型二次物理学QAのためのカリキュラム付きベンガルベンチマーク
• Abstract要約: 我々は,NCTB(National Curriculum and Textbook Board)グレード9-10物理シラバスから構築した1834の質問応答対のベンチマークであるPhysicalMateを紹介する。 We Low-Rank Adapt at 0.6B, 1.7B, and 4B parameters with a unified recipe and showed a significant increase of closed-book accuracy in all scales。 4Bモデルは、リソース制約のある環境でローカル推論に使用できる小さなオフラインバイナリに適応し、量子化されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bengali secondary education lacks curriculum-grounded benchmarks for STEM question-solving, and general-purpose language models struggle with the precise terminology, unit conventions, and derivations that physics problems demand. We introduce PhysicsMate, a benchmark of 1834 question-answer pairs built from the National Curriculum and Textbook Board (NCTB) Grade 9-10 physics syllabus and grounded in a multi-relational knowledge graph of 1760 nodes and 2600 edges across ten ontological types. We Low-Rank Adapt at 0.6B, 1.7B, and 4B parameters, with a unified recipe and demonstrate a significant increase in closed-book accuracy in all scales (+5.5, +15.0, and +23.3 percentage points). A node-type analysis shows that the most benefited by adaptation is the structured curricular knowledge, which consists of physical quantities and named laws, while the least benefited is the loosely specified entity-level knowledge. The 4B model has been adapted and quantized to a small offline binary that can be used for local inference in resource constrained environments and offers a viable path to curriculum aligned physics support in environments with limited connectivity and hardware.
• Abstract（参考訳）: ベンガルの中等教育は、STEM問題解決のためのカリキュラムによるベンチマークを欠いているし、汎用言語モデルは、物理学の問題が要求する正確な用語、単位規則、導出に苦慮している。 我々は,National Curriculum and Textbook Board (NCTB) Grade 9-10 Physics syllabus を用いて構築された1834 の質問応答対のベンチマークである PhysicsMate を紹介した。 We Low-Rank Adapt at 0.6B, 1.7B, and 4B parameters with a unified recipe and demonstrate a significant increase of closed-book accuracy in all scales (+5.5, +15.0, +23.3 percentage points)。 ノード型解析は、適応によって最も恩恵を受けるのは、物理的量と名前付き法則からなる構造化された曲的知識であり、最も利益が低いのは、緩やかに指定されたエンティティレベルの知識であることを示している。 4Bモデルは、リソース制約のある環境でローカル推論に使用できる小さなオフラインバイナリに適応し、量子化され、接続性とハードウェアに制限のある環境において、カリキュラムに準拠した物理をサポートするための実行可能なパスを提供する。

関連論文リスト

• CMPhysBench: A Benchmark for Evaluating Large Language Models in Condensed Matter Physics [71.42168240638462]
  CMPhysBenchは、凝縮物質物理学における大規模言語モデルの習熟度を評価するように設計されている。 以上の結果から,最高モデルであるGrok-4でさえ,CMPhysBench上での平均SEEDスコアが36点,精度が28%であった。
  論文  参考訳（メタデータ） (2025-08-25T15:32:22Z)
• PhysUniBench: An Undergraduate-Level Physics Reasoning Benchmark for Multimodal Models [69.73115077227969]
  大規模言語モデル(MLLM)の推論能力の評価と改善を目的とした大規模ベンチマークであるPhysUniBenchを提案する。 PhysUniBenchは、3,304の物理問題から成っている。 ベンチマークの構成には、複数のロールアウト、専門家レベルの評価、解決が容易な問題の自動フィルタリング、そして5段階の難易度グレーディングシステムを含む、厳格な多段階プロセスが含まれていた。
  論文  参考訳（メタデータ） (2025-06-21T09:55:42Z)
• Scaling Physical Reasoning with the PHYSICS Dataset [39.960500815534836]
  PHYSICSは、被験者と難易度にまたがる16,568の高品質な物理問題を含むデータセットである。 力学、電磁気学、熱力学、光学、現代物理学の5つの分野を網羅している。 また、高校から大学院レベルの物理学コースまで幅広い難易度がある。
  論文  参考訳（メタデータ） (2025-05-21T17:06:28Z)

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。