論文の概要: NeSySpec: Neuro-Symbolic Technical Intelligence for Auditing Engineering Specifications with an Application to Aircraft

• arxiv url: http://arxiv.org/abs/2610.35403v1
• Date: Mon, 26 Oct 2026 13:18:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.937714
• Title: NeSySpec: Neuro-Symbolic Technical Intelligence for Auditing Engineering Specifications with an Application to Aircraft
• Title（参考訳）: NeSySpec: 工学的仕様の監査のためのニューロシンボリック技術インテリジェンスと航空機への応用
• Abstract要約: NeSySpecはLogic Networks上に構築された統合的で解釈可能なニューロシンボリック監査フレームワークである。 違反した制約を診断し、誘拐によって変化したフィールドを識別し、最小限の変更補正を提案し、画像証拠を記述した部分に結び付ける。 我々は、地上写真と衛星画像とを合わせた仕様記録に基づいて、NeSySpecを107機の航空機で検証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Engineers who audit a declared specification of an engineered system need to know which physical constraints it respects, which it violates, which field was altered and how to correct it. NeSySpec is an integrated and interpretable neuro-symbolic audit framework, built on Logic Tensor Networks, that answers these questions in one pipeline. Its axioms encode the physical relations of the domain as differentiable graded predicates whose tolerances are learned from a fleet of real records; from the same degrees, it diagnoses the violated constraint, identifies the altered field by abduction, proposes a minimum-change correction and ties image evidence to the parts it describes, abstaining exactly where evidence is missing, and returns all of it in one verification report. We validate NeSySpec on 107 aircraft types, with 16 test aircraft of 9 families held out of training, on specification records paired with ground photographs and satellite imagery and on synthetic errors: generated corruptions, edits labeled from the edit alone and deliberate falsifications. NeSySpec combines all the assessed audit outputs in one pipeline, which no learned, rule-based, solver-based, neuro-symbolic or language-model comparator does; on the test aircraft none is ahead of it in the macro-F1 of its constraint verdicts, in naming the violated constraint and the altered field or in the repair error, and it is competitive in record and image-pair detection. Its diagnosis names the violated constraint in 94.2% of corrupted test records, against 79.5% for classical Fellegi-Holt diagnosis, and on edits labeled from the edit alone, without retraining, abduction finds the altered field in 59.3% of records, against 30.6% for minimum-cardinality localization with random tie- breaking. Only the knowledge base, the visual predicates, the corruption generator and the data are specific to the domain.
• Abstract（参考訳）: エンジニアリングシステムの宣言された仕様を監査するエンジニアは、それがどの物理的制約を尊重するか、どれが違反するか、どのフィールドを変更し、どのように修正するかを知る必要がある。 NeSySpecは、Logic Tensor Networks上に構築された統合的で解釈可能なニューロシンボリック監査フレームワークで、これらの質問に答える。 その公理は、ドメインの物理的関係を、実際のレコード群から寛容が学習される微分可能な等級述語としてエンコードする;同じ程度から、違反した制約を診断し、誘拐によって変化したフィールドを識別し、その記述された部分に最小限の変更補正と画像証拠を結び付け、正確な証拠が欠落した場所を保留し、その全てを1つの検証レポートに返却する。 我々は、NeSySpecを107種類の航空機で検証し、9家族の16機の試験機を訓練から切り離し、地上写真と衛星画像と組み合わせた仕様記録と合成エラーで検証した。 NeSySpecは、学習された、ルールベース、ソルバベース、ニューロシンボリック、言語モデルコンパレータが行わない、評価された監査出力を1つのパイプラインで組み合わせている。 その診断では、破損したテスト記録の94.2%、古典的なFellegi-Holt診断の79.5%に対して、再トレーニング無しに編集からラベル付けされた編集において、誘拐は59.3%のレコードで変化したフィールドを見つけ、30.6%は無作為な結束による最小限の局所化を発見した。 知識ベース、視覚的述語、汚職発生器、およびデータはドメインに固有のものである。

関連論文リスト

• Watermarking: from Impossibility to Auditable Compliance [78.87513208320995]
  EU人工知能法第50条(2)は、合成出力を機械可読かつ検出可能にするために、生成システムの提供者を要求する。 自由形式のテキストにとって、重要な実装の1つは、生成的な透かし処理の実装である。 本稿は、強い透かしに代わる聴覚的な代替品を開発する。
  論文  参考訳（メタデータ） (2026-10-05T13:32:41Z)
• SWE-Proof: Can Language Models Resolve Real-World Issues with Machine-Checked Proofs? [39.004582663385364]
  Benchprooferは、既知の正しいパッチでコーディングタスクを正式に認証されたパイプラインに変換するパイプラインです。 SWE-bench Verified に適用すると SWE-Proof が得られる。
  論文  参考訳（メタデータ） (2026-09-18T01:16:53Z)
• IdeaAMBIG: Benchmarking Implementation-Critical Gaps in Research-Idea Specifications [52.570108663867046]
  研究のアイデアは、新しく、一貫性があり、科学的に妥当であるが、その提案された手法は、忠実な実装のために不十分に指定されている。 提案手法は,実装を対象とする研究手法仕様の体系化の可否を,有能な実装者やコーディングエージェントに十分な方法論的情報を提供して,前提条件を満たさずに目的とする手法を構築することができるかを検討する。 IdeaAMBIGは660のエビデンス基底インスタンスのベンチマークで、レポートとGitHubの問題から163の現実世界のギャップと、コーディフィケーション対応のリファレンスに注入される合成ギャップを497のコントロールで管理する。
  論文  参考訳（メタデータ） (2026-09-09T17:59:04Z)
• VeriPhy: Agentic Physical Reasoning for World Model Evaluation and Refinement [57.86962208273888]
  テキストのみのプランナが入力された物理義務にプロンプトをコンパイルする監査可能な物理検証システムを提案する。 それぞれのアクションは、ペイロードがタイプされた測定か、明示的にタグ付けされた学習状態である証明付きエビデンスレコードを返す。 我々は, 実発生障害を即時参照, 空間, 時間でローカライズする, 1500クリックの欠陥記録のコーパスにおいて, 評価をアンロックする。
  論文  参考訳（メタデータ） (2026-09-02T20:36:45Z)
• SciCode-Verified: How Benchmark Defects Underestimated the Scientific-Coding Ability of Language Models [1.9873319610438742]
  SciCodeは、言語モデルの科学的コーディング能力の標準尺度である。 人工知能インテリジェンス指数(Artificial Analysis Intelligence Index)の略。 最先端のモデルは、SciCodeが示唆しているよりも科学的コーディングにはるかに熟練している。
  論文  参考訳（メタデータ） (2026-08-05T15:45:55Z)
• Guideline-as-Oracle: Zero-Annotation Training of an Ophthalmic Telephone Triage Agent [6.32175194611846]
  本稿では,米国眼科学会のガイドラインを70行のオペレーショナルルールテーブルにコンパイルするガイドライン・アズ・オラクル(GAO)を紹介する。 提案する8つの構成戦略をカタログ化し,提案手法の紹介,1ファクト境界ペア,メタデータのみの修復,ラベル修復について述べる。
  論文  参考訳（メタデータ） (2026-08-05T12:37:31Z)
• The Signal in the Noise: An Auditable Reliability Layer for Biomedical Text Classification [0.0]
  安全指向の事前処理モジュールとして考案された,保守的で完全に監査可能なスペル補正信頼性層を導入する。 決定論的アーキテクチャは、コーパス由来のn-gramスコアと一連のバイオメディカル安全ゲートを備えた編集距離候補生成を境界とする。 システムは完全に決定論的であり、アーティファクト駆動であり、デプロイメントと監査性を考慮して設計されている。
  論文  参考訳（メタデータ） (2026-06-16T23:14:36Z)
• EditRefiner: A Human-Aligned Agentic Framework for Image Editing Refinement [76.76247443244293]
  EditRefinerは、編集後の修正を人間のような認識・推論・行動評価ループとして再構成するエージェントフレームワークである。 歪み、診断精度、人間の知覚アライメントにおいて、最先端の手法を一貫して上回る。
  論文  参考訳（メタデータ） (2026-05-08T09:05:08Z)
• HLE-Verified: A Systematic Verification and Structured Revision of Humanity's Last Exam [63.84155758655084]
  HumanityのLast Exam (HLE)は、フロンティアの大規模言語モデルを評価するために広く使われているベンチマークである。 HLE-Verifiedは,透過的検証プロトコルときめ細かい誤り分類法を備えたHLEの検証および改訂版である。 我々は,HLEとHLE-Verifiedの7つの最先端言語モデルを評価し,平均7～10ポイントの絶対精度を観測した。
  論文  参考訳（メタデータ） (2026-02-15T02:50:15Z)
• Auditing AI models for Verified Deployment under Semantic Specifications [65.12401653917838]
  AuditAIは、解釈可能な形式検証とスケーラビリティのギャップを埋める。 AuditAIは、画素空間の摂動のみを用いた検証の限界に対処しながら、検証と認定トレーニングのための制御されたバリエーションを得られるかを示す。
  論文  参考訳（メタデータ） (2021-09-25T22:53:24Z)

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。