論文の概要: Coupled Harness--Model Evolution for Scientific Equation Discovery

• arxiv url: http://arxiv.org/abs/2610.17740v1
• Date: Tue, 13 Oct 2026 05:17:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.52711
• Title: Coupled Harness--Model Evolution for Scientific Equation Discovery
• Title（参考訳）: Coupled Harness--科学方程式発見のためのモデル進化
• Abstract要約: 大規模言語モデル (LLM) は、実験データから科学的方程式を発見するためにますます使われている。 このような発見システムは、実行可能な計算ツールのライブラリと、モデルのツール利用ポリシーの2つの部分から構成される。 我々は、同一の検証可能な適合エラー信号から両方の部品を改良する結合進化フレームワークを開発する。
• 参考スコア（独自算出の注目度）: 22.169611336242795
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) are increasingly used to discover scientific equations from experimental data. Such a discovery system has two parts that must work together: a library of executable computational tools and the model's tool-use policy. The tools supply the solving capability, from diagnosing structure in the data to fitting candidate equations; the policy plans and orchestrates their use. Yet existing systems adapt only one part, keeping either the toolset or the model fixed, which leaves the corresponding failures uncorrectable. We develop a coupled evolution framework that improves both parts from the same verifiable fit-error signal. In the tool-evolution phase, an agent grows an executable tool library from a small set of generic numerical operations by diagnosing its own failures: it authors a new tool when a capability is missing and revises its selection rules when the right tool went unused. In the policy-evolution phase, a small open model (roughly 3B active parameters) is fine-tuned on successful tool-use trajectories collected with the frozen library, on training formulas screened to be disjoint from all evaluation benchmarks. Ablations show the two phases are complementary: with no tool library at all the same model solves almost nothing, the tools account for most of the gain, and trajectory training adds a further gain that is largest on the most difficult problems. The full system solves 79.1/71.3\% of LSR-Synth problems at fit tolerances $10^{-2}$/$10^{-3}$, reaches 63.8\% pooled accuracy on the distributionally different SRSD-Feynman panel, and obtains a normalized CP3-28 aggregate of $-7.27$. These results suggest a broader recipe for scientific agents: let the model and its instruments improve each other under verifiable feedback.
• Abstract（参考訳）: 大規模言語モデル (LLM) は、実験データから科学的方程式を発見するためにますます使われている。 このような発見システムは、実行可能な計算ツールのライブラリと、モデルのツール利用ポリシーの2つの部分から構成される。 これらのツールは、データの構造の診断から候補方程式の適合に至るまで、問題解決能力を提供する。 しかし、既存のシステムは、ツールセットまたはモデルの修正を保ちながら、ひとつの部分にしか適応しないため、対応する障害は修正できない。 我々は、同一の検証可能な適合エラー信号から両方の部品を改良する結合進化フレームワークを開発する。 ツール進化フェーズでは、エージェントが自身の障害を診断することで、小さな汎用的な数値操作から実行可能なツールライブラリを成長させる。 ポリシー進化の段階では、凍結ライブラリで収集されたツール使用軌跡を、全ての評価ベンチマークから切り離すようにスクリーニングされたトレーニング公式に基づいて、小さなオープンモデル(約3Bのアクティブパラメータ)を微調整する。 ツールライブラリが全く同じモデルでなければほとんど何も解決せず、ツールがほとんどの利益を担い、軌道学習は最も難しい問題で最大となるさらなる利益をもたらす。 完全なシステムでは、適合許容度10^{-2}$/10^{-3}$のLSR-Synth問題の79.1/71.3\%を解き、分布が異なるSRSD-Feynmanパネル上で63.8\%のプール精度に達し、正規化されたCP3-28の合計は7.27ドルとなる。 これらの結果は、モデルとその機器を検証可能なフィードバックの下で改善させるという、科学的エージェントの幅広いレシピを示唆している。

関連論文リスト

• Joint Optimization of Tool Creation and Use for Large Language Model Agents [69.07066297088187]
  SMITH (-grounded Multi-task Iterative Tool Honing) は、単一のポリシー内でツールの作成とツールの使用を訓練する。 SMITHで訓練された4B Qwen3は、正確に検証された13の手続き的推論タスクで、保持されたタスクで平均79.8のマクロ平均精度に達する。 また、TabMWP-Hardでは40.4、ドメイン外のGQAでは42.6に到達している。
  論文  参考訳（メタデータ） (2026-08-25T13:59:34Z)
• Model-Adaptive Tool Necessity Reveals the Knowing-Doing Gap in LLM Tool Use [47.29360932085394]
  大規模言語モデル(LLM)は、外部ツールを呼び出す時と直接答える時を判断しなければならない自律的なエージェントとして、ますます機能します。 本稿では,各モデルの経験的性能に基づいて,ツール必要度をモデル適応的に定義する。 その結果,26.5～54.0%,30.8～41.8%のミスマッチが認められた。
  論文  参考訳（メタデータ） (2026-05-13T18:59:28Z)
• Beyond Quantity: Trajectory Diversity Scaling for Code Agents [51.71414642763219]
  Trajectory Diversity Scalingは、コードエージェントのためのデータ合成フレームワークである。 TDScalingは、(1)実際のサービスの論理的依存関係をキャプチャするBusiness Clusterメカニズム、(2)軌道コヒーレンスを強制するブループリント駆動のマルチエージェントパラダイム、(3)ロングテールシナリオを指向する適応的な進化メカニズムの4つの革新を統合しています。
  論文  参考訳（メタデータ） (2026-02-03T07:43:03Z)
• ToolMind Technical Report: A Large-Scale, Reasoning-Enhanced Tool-Use Dataset [43.45582911794623]
  我々は,160kの合成データインスタンスを備えた高品質なツールエージェントデータセットであるToolMindを紹介した。 我々は, 高精度なターンレベルのフィルタリングを用いて, 誤りや不適切なステップを除去する。 ToolMindで微調整されたモデルは、いくつかのベンチマークでベースラインよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2025-11-12T13:01:23Z)
• LoopTool: Closing the Data-Training Loop for Robust LLM Tool Calls [46.34510189812439]
  LoopToolは、完全に自動化され、モデル対応のデータ進化フレームワークである。 3つの相乗的モジュールを通して、データとモデルを反復的に洗練する。 実験によると、LoopToolでトレーニングした8Bモデルは、32Bデータジェネレータを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-11-12T09:34:39Z)
• AlphaApollo: Orchestrating Foundation Models and Professional Tools into a Self-Evolving System for Deep Agentic Reasoning [110.57865233597762]
  自己進化型エージェント推論システムであるAlphaApolloについて述べる。 基礎モデル(FM)における2つのボトルネックに対処することを目的としている。 AlphaApolloは、意図的に検証可能な推論を可能にするために、複数のモデルをプロのツールで編成する。
  論文  参考訳（メタデータ） (2025-10-05T15:42:24Z)
• Reinforcement Learning for Machine Learning Engineering Agents [52.03168614623642]
  強化学習によって改善される弱いモデルによって支援されるエージェントは、はるかに大きいが静的モデルによって支援されるエージェントよりも優れていることを示す。 分散非同期RLフレームワークにおいて,高コストかつ高利回りな動作を増幅するための時間依存性の勾配更新を提案する。 また,早期に失敗するプログラムとほぼ正しくないプログラムを区別し,部分クレジットを提供する環境機器を提案する。
  論文  参考訳（メタデータ） (2025-09-01T18:04:10Z)

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。