論文の概要: Axiomatic World Modeling for Physics Reasoning

• arxiv url: http://arxiv.org/abs/2610.24519v1
• Date: Sat, 17 Oct 2026 07:29:46 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:06:47.644824
• Title: Axiomatic World Modeling for Physics Reasoning
• Title（参考訳）: 物理推論のための公理的世界モデリング
• Abstract要約: Axiomatic World Modeling (RLAWM) を用いた強化学習を提案する。 RLAWMは2つの階層レベルでの推論(モデリングと解法)を調査する。 ベースライン上のPhySICSではPhysReasonでは+12.2ポイント、PHYSICSでは+5.2ポイントまで性能が向上する。
• 参考スコア（独自算出の注目度）: 12.340812506320434
• License:
• Abstract: Recent research-level physics-reasoning benchmarks for LLMs reveal a failure mode that lies not in knowledge or execution, but in modeling the world being reasoned about. Models often silently alter given quantities, fabricate laws, or inject unstated assumptions to force a problem into familiar patterns, and then reason inside this corrupted world. We define this premise-level divergence as modeling drift: the gap between a model's internal axiomatic world model (AWM) and the true physical world specified in the problem. Although RLVR and PRM have yielded substantial gains in mathematics and code, their reward shapes do not directly supervise world modeling in axiomatic domains such as physics. We propose Reinforcement Learning with Axiomatic World Modeling (RLAWM), which optimizes the policy by penalizing divergence between its inferred axiomatic world model and the true physics world. RLAWM probes physics reasoning at two hierarchical levels (modeling and solving), each scored by a physically grounded reward. The modeling reward targets abstract knowledge formulation, evaluating whether the model captures the true axiomatic world before attempting calculation. The solving reward targets instantiated knowledge reasoning, checking whether the model's concrete derivation remains consistent with the axiomatic world. This two-level structure separates what world the model believes it is reasoning in from how it reasons within that world. The framework operates exclusively during training, with no extra cost during inference. RLAWM improves performance by up to +12.2 points on PhysReason and +5.2 on PHYSICS over the baseline. It also generalizes zero-shot across difficulty, source, and domain, with a 2.45x gain and +10 points over the strongest baseline on olympiad-level physics and math.
• Abstract（参考訳）: LLMの最近の研究レベルの物理推論ベンチマークでは、知識や実行ではなく、推論されている世界をモデル化する障害モードが明らかにされている。 モデルはしばしば、与えられた量を変更したり、法則を作ったり、あるいは未定の仮定を注入したりして、問題をよく知られたパターンに強制し、この腐敗した世界の中で推論する。 モデルの内部公理的世界モデル(AWM)と問題に規定される真の物理世界とのギャップをモデリングドリフトとして定義する。 RLVRとPRMは数学やコードにおいてかなりの利益を得ているが、その報酬形は物理学のような公理領域における世界モデリングを直接監督するものではない。 本稿では,その推定された公理世界モデルと真の物理世界との相違を罰し,その政策を最適化するRLAWM(Reinforcement Learning with Axiomatic World Modeling)を提案する。 RLAWMは、2つの階層レベル(モデリングと解法)での推論を調査する。 モデリング報酬は抽象的な知識の定式化を目標とし、モデルが計算を試みる前に真の公理的世界を捉えているかどうかを評価する。 解決報酬は、モデルの具体的導出が公理的世界と一致しているかどうかを検証し、インスタンス化された知識推論を目標とする。 この2段階の構造は、モデルがどの世界にあると考えているのかを、その世界の理由から切り離している。 フレームワークはトレーニング中のみ動作し、推論時に余分なコストがかからない。 RLAWMは、PhysReasonで+12.2ポイント、PHYSICSで+5.2ポイントの性能を向上させる。 また、難易度、情報源、領域をまたいでゼロショットを一般化し、2.45倍の利得と+10点をオリンピックレベルの物理学と数学で最強の基準線上で達成する。

関連論文リスト

• The Trinity of Consistency as a Defining Principle for General World Models [106.16462830681452]
  一般世界モデルは、客観的物理法則を学習し、シミュレートし、推論することができる。 本稿では,一般世界モデルに必要な基本的特性を定義するための理論的枠組みを提案する。 我々の研究は、現在のシステムの限界と将来の進歩のためのアーキテクチャ要件の両方を明確にし、一般的な世界モデルへの原則的な経路を確立します。
  論文  参考訳（メタデータ） (2026-02-26T16:15:55Z)
• PhysicsMind: Sim and Real Mechanics Benchmarking for Physical Reasoning and Prediction in Foundational VLMs and World Models [40.16417939211015]
  MLLM(Multimodal Large Language Models)やビデオワールドモデルは、数学的、常識的、視覚的推論において大きく進歩している。 この問題を計測しようとする既存のベンチマークは、合成された視覚的質問応答テンプレート、あるいは物理的な法則によってビデオがどれだけうまく機能するかを測定するための知覚的ビデオ品質に焦点を当てている。 我々は,3つの標準原理(Center of Mass, Lever Equilibrium, Newton's First Law)について,法に一貫性のある推論と生成を評価する統一ベンチマークであるPhysicalMindを紹介する。
  論文  参考訳（メタデータ） (2026-01-22T14:33:01Z)
• MMGR: Multi-Modal Generative Reasoning [97.44203203196481]
  本稿では,5つの推論能力に基づく基本的評価フレームワークMMGRを紹介する。 MMGRは、抽象推論(Abstract Reasoning)、体操ナビゲーション(Embodied Navigation)、物理コモンセンス(Physical Commonsense)の3つの領域にわたる生成的推論を評価する。 主要映像モデル(Veo-3, Sora-2, Wan-2.2)と画像モデル(Nano-banana, Nano-banana Pro, GPT-4o-image, Qwen-image)をベンチマークする。
  論文  参考訳（メタデータ） (2025-12-16T18:58:04Z)
• WorldLens: Full-Spectrum Evaluations of Driving World Models in Real World [100.68103378427567]
  エージェントは現実的な4D駆動環境を合成し、説得力があるように見えるが、物理的または行動的に失敗することが多い。 モデルがどのように構築され、理解され、その生成された世界の中でどのように振る舞うかを評価するフルスペクトルベンチマークであるWorldLensを紹介します。 さらに、数値的なスコアとテキストの合理性を備えた人間の注釈付きビデオの大規模データセット WorldLens-26K を構築し、WorldLens-Agent を開発した。
  論文  参考訳（メタデータ） (2025-12-11T18:59:58Z)
• WoW: Towards a World omniscient World model Through Embodied Interaction [83.43543124512719]
  世界モデルの正当性的な物理的直観は、現実世界との広範囲で因果的に豊かな相互作用に基礎を置いていなければならない。 このWoWは、200万のロボットインタラクショントラジェクトリに基づいてトレーニングされた、ジェネレーティブな世界モデルである。 WoWBenchは、ビデオの物理的一貫性と因果推論に焦点を当てた新しいベンチマークである。
  論文  参考訳（メタデータ） (2025-09-26T17:59:07Z)
• Inducing Causal World Models in LLMs for Zero-Shot Physical Reasoning [7.4149859076511815]
  Causal World Model Injection (CWMI)は、AIシステムに因果物理の明示的なモデルを組み込むように設計されたフレームワークである。 CWMIは、ゼロショット物理推論タスクにおいて最先端のAIシステムを大幅に上回る。
  論文  参考訳（メタデータ） (2025-07-26T08:08:26Z)
• Learning Local Causal World Models with State Space Models and Attention [1.5498250598583487]
  本研究では,SSMが単純な環境のダイナミクスをモデル化し,因果モデルを同時に学習できることを示す。 我々は、SSMの強みに傾倒するさらなる実験の道を開き、因果意識でそれらをさらに強化する。
  論文  参考訳（メタデータ） (2025-05-04T11:57:02Z)

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。