論文の概要: TIRE: Top-Down Formula Instantiation with Reliable Execution for Physics Problem Synthesis

• arxiv url: http://arxiv.org/abs/2610.25134v1
• Date: Sun, 18 Oct 2026 09:38:24 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:00:31.146795
• Title: TIRE: Top-Down Formula Instantiation with Reliable Execution for Physics Problem Synthesis
• Title（参考訳）: TIRE:物理問題生成のための信頼性の高い実行によるトップダウンフォーミュラインスティファイション
• Abstract要約: TIRE(Top-Down Formula Instantiation with Reliable Execution)を紹介する。 トップダウンインスタンス化は、再利用可能な物理式を使用して、生成された問題の物理関係と数値構成を制御する。 TIRE-19kは物理学の9つのサブフィールドにまたがるもので、SFTデータと同じ量の5つの代表的なデータセットより優れている。
• 参考スコア（独自算出の注目度）: 35.708798229508815
• License:
• Abstract: Advancing physics reasoning in large language models requires scalable training data that connect physical laws, concrete problem scenarios, and verifiable numerical answers. Expert-designed problems offer top-down control over physical laws, conditions, and scenarios, but require costly human effort. LLM-based synthesis from texts scales efficiently, but model-generated answers and assessments leave supervision vulnerable to hallucinations. We introduce TIRE, a framework for Top-Down Formula Instantiation with Reliable Execution that brings knowledge-driven problem construction to large-scale data generation. Top-down instantiation uses reusable physical formulas and their applicability conditions to control the physical relations and numerical configurations of generated problems. Reliable execution establishes reference answers before problem generation, providing a common numerical foundation for problem construction and teacher distillation. Together, these mechanisms combine control over problem content with execution-grounded supervision for both supervised fine-tuning and reinforcement learning. Using TIRE, we construct TIRE-19k, spanning nine subfields of physics. Across 3 backbone LLMs and 4 benchmarks, TIRE-19k outperforms 5 representative datasets with equal amounts of SFT data, exceeding the strongest baseline by 2.86 percentage points on average. Further GRPO raises Qwen3-8B's average accuracy by 1.52 percentage points over its TIRE-19k SFT checkpoint. These results demonstrate the value of generating physics training data from explicit physical knowledge with reliable execution.
• Abstract（参考訳）: 大規模言語モデルにおける物理推論の促進には、物理法則、具体的な問題シナリオ、検証可能な数値解を接続するスケーラブルなトレーニングデータが必要である。 専門家が設計した問題は、物理法則、条件、シナリオをトップダウンで制御するが、人的努力がかかる。 LLMベースのテキストからの合成は効率よくスケールするが、モデル生成の回答と評価は幻覚に弱い。 TIRE(Top-Down Formula Instantiation with Reliable Execution)は,大規模データ生成における知識駆動型問題構築を実現するフレームワークである。 トップダウンインスタンス化では、再利用可能な物理式とその適用性条件を使用して、生成された問題の物理関係と数値構成を制御する。 信頼性の高い実行は、問題生成の前に参照回答を確立し、問題構築と教師の蒸留のための共通の数値基盤を提供する。 これらのメカニズムは、教師付き微調整学習と強化学習の両方において、問題内容の制御と実行基盤の監督を組み合わせる。 TIREを用いて,9つのサブフィールドにまたがるTIRE-19kを構築した。 3つのバックボーンLLMと4つのベンチマークで、TIRE-19kは5つの代表データセットを同等のSFTデータで上回り、平均2.86ポイントのベースラインを超えた。 さらにGRPOは、TIRE-19k SFTチェックポイントでQwen3-8Bの平均精度を1.52ポイント引き上げている。 これらの結果は、確実な実行を伴う明示的な物理知識から物理トレーニングデータを生成することの価値を示す。

関連論文リスト

• Unified Data Selection for LLM Reasoning [66.0118347918729]
  複雑で長いCoT推論のための大規模言語モデル(LLM)のトレーニングは、しばしば大量の高品質な推論データの必要性によってボトルネックとなる。 本研究では,各推論サンプルの上位(例えば0.5%)のエントロピートークンのみを和らげることで,推論品質を定量化する学習自由度指標であるHigh-Entropy Sum(HES)を提案する。
  論文  参考訳（メタデータ） (2026-05-21T12:21:41Z)
• JetPrism: diagnosing convergence for generative simulation and inverse problems in nuclear physics [0.5823178881486669]
  高忠実度モンテカルロシミュレーションと複素逆問題(英語版)は、頑健なデータ解析に必要不可欠である。 条件付きフローマッチング(CFM)は、これらのタスクを加速するための数学的に堅牢なアプローチを提供するが、その標準的なトレーニング損失が根本的に誤解を招くことを実証する。 厳密な物理学の応用において、CFM損失プラトーは、真の収束と物理的忠実性の信頼性の低い指標として機能する。
  論文  参考訳（メタデータ） (2026-04-01T18:36:47Z)
• PhyNiKCE: A Neurosymbolic Agentic Framework for Autonomous Computational Fluid Dynamics [0.0]
  この研究は、信頼できるエンジニアリングのためのニューロシンボリック・エージェント・フレームワークであるPhyNiKCEを紹介している。 標準的なブラックボックスエージェントとは異なり、PhyNiKCEはシンボリック検証からニューラルプランニングを分離する。 このアーキテクチャは、幅広い産業自動化において、信頼できる人工知能のためのスケーラブルで監査可能なパラダイムを提供する。
  論文  参考訳（メタデータ） (2026-02-12T07:37:56Z)
• SimuScene: Training and Benchmarking Code Generation to Simulate Physical Scenarios [71.65387146697319]
  大規模言語モデル(LLM)は、数学の競争、複雑なコーディング、科学的推論といったタスクのために広く研究されている。 物理シナリオをシミュレートしてLLMを訓練し,評価する最初の体系的な研究であるSimuSceneを提案する。 品質を保証するために、人間の検証とともに、データ収集のための自動パイプラインを構築します。
  論文  参考訳（メタデータ） (2026-02-11T13:26:02Z)
• Chain of Unit-Physics: A Primitive-Centric Approach to Scientific Code Synthesis [0.0]
  第一原理(またはプリミティブ)中心のマルチエージェントシステムで、人間の知識をコード生成を明示的に制約する単体物理学テストとしてコード化します。 データセットやモデルが進化するにつれて、ゼロショットコードの精度は向上するが、しかしながら、単位-物理フレームワークの連鎖は、科学的なコードの基本となる第一原理の分析を埋め込むことによってさらに進んでいる。
  論文  参考訳（メタデータ） (2025-11-30T18:16:50Z)
• QueST: Incentivizing LLMs to Generate Difficult Problems [77.75835742350644]
  大規模言語モデルは、推論タスク、競合レベルのコーディングと数学の問題を解く上で、強力なパフォーマンスを達成した。 既存の競合するコーディングデータセットには、数千から数万の問題しか含まれていない。 本稿では,難解なグラフサンプリングと難解な拒否の微調整を組み合わせた新しいフレームワークであるQueSTを提案する。
  論文  参考訳（メタデータ） (2025-10-20T16:29:53Z)
• 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)
• 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)
• Physics-Informed Weakly Supervised Learning for Interatomic Potentials [17.165117198519248]
  機械学習型原子間ポテンシャル(MLIP)のトレーニングのための物理インフォームド・弱教師付きアプローチを導入する。 我々は、様々なベースラインモデルとベンチマークデータセットに対して、エネルギーと力の誤差を(しばしば2倍以下に)減らすことを示した。 我々のアプローチは、スパースで高精度なアブ・イニシアチブデータに基づく基礎モデルの微調整を改善する。
  論文  参考訳（メタデータ） (2024-07-23T12:49:04Z)

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。