論文の概要: From 1D Benchmarks to Complex 3D Geometries: Can Agents Reliably Specify Problems for Automated PDE Simulation?
- arxiv url: http://arxiv.org/abs/2610.41267v1
- Date: Fri, 30 Oct 2026 05:20:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.619936
- Title: From 1D Benchmarks to Complex 3D Geometries: Can Agents Reliably Specify Problems for Automated PDE Simulation?
- Title（参考訳）: 1次元ベンチマークから複雑な3次元測地:エージェントは自動PDEシミュレーションの問題を確実に特定できるか?
- Abstract要約: 最近のエージェント支援システムではシミュレーションのセットアップが自動化されているが、実行が成功しただけでは、仕様が意図した問題を保存するか、あるいは不足した情報を正しく処理するかは定かでない。
エージェントが自動幾何生成、メッシュ化、PDE解決、結果エクスポートのための完全なワークフロー仕様を確実に構築できるかを検討する。
我々のワークフローは、モデル抽出と決定論的科学的および能力チェック、明示的な明確化、および無関係な受容されたフィールドを保存するための検証されたローカルパッチを組み合わせる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Turning an engineering request into a simulation requires consistent geometry, physics, boundary conditions, and numerical settings. Recent agent-assisted systems automate simulation setup, but successful execution alone does not establish whether the specification preserves the intended problem or correctly handles missing information. We study whether agents can reliably construct complete executable JSON specifications for automated geometry creation, meshing, PDE solving, and result export. Our workflow combines model extraction with deterministic scientific and capability checks, explicit clarification, and validated local patches that preserve unrelated accepted fields. We evaluate specification correctness, execution completion, and numerical verification separately. On 120 template-related requests, the full workflow achieves 98.3% correct first-turn specification and decision outcomes, compared with 92.5% for schema-assisted single shot and 82.5% for model-only: gains of 5.8 and 15.8 percentage points, respectively. It makes no false-ready decisions among the 42 requests requiring clarification or rejection. Component ablations identify contributions from scientific checks and conditional repair. Separate downstream studies cover 1D, 2D, and 3D steady and unsteady, linear and nonlinear problems, including flow and elasticity with complex three-dimensional wing geometries. A 30-case gallery demonstrates automated execution from retained JSON specifications, while 9 of 12 selected live user-to-results tests achieve joint specification, execution, export, and numerical-reference success (75.0%). These results support traceable, engineer-reviewed simulation assistance within the tested scope, while fresh-response regressions identify consistency as a priority for further improvement.
- Abstract（参考訳）: エンジニアリング要求をシミュレーションに変換するには、一貫した幾何学、物理、境界条件、数値的な設定が必要である。
近年のエージェント支援システムではシミュレーションのセットアップが自動化されているが,実行が成功しただけで,仕様が意図した問題を保存するか,あるいは不足した情報を正しく処理するかが定かでない。
エージェントが自動幾何生成、メッシュ化、PDE解決、結果エクスポートのために、完全に実行可能なJSON仕様を確実に構築できるかどうかを検討する。
我々のワークフローは、モデル抽出と決定論的科学的および能力チェック、明示的な明確化、および無関係な受容されたフィールドを保存するための検証されたローカルパッチを組み合わせる。
仕様の正しさ、実行完了、数値検証を別々に評価する。
120のテンプレート関連の要求に対して、完全なワークフローは98.3%の正しいファーストターン仕様と決定結果を達成するが、スキーマアシストシングルショットでは92.5%、モデルオンリーでは82.5%、それぞれ5.8ポイントと15.8ポイントである。
明確化や拒否を必要とする42件の要求の中で、偽りの判断を下すことはない。
コンポーネント・アブレーションは、科学的チェックと条件付き修復からの貢献を識別する。
1D, 2D, 3Dの異なる下流研究は、複雑な3次元翼形状を持つ流れや弾性を含む、安定で非定常で非線形な問題をカバーしている。
30ケースのギャラリーでは、保持されたJSON仕様からの自動実行が示されており、12のライブユーザ対反テストのうち9つは、共同仕様、実行、エクスポート、数値参照成功(75.0%)を達成する。
これらの結果は、テスト範囲内でトレース可能で、エンジニアがレビューしたシミュレーションアシストをサポートし、新しいレスポンスレグレッションは、さらなる改善の優先事項として一貫性を識別する。
関連論文リスト
- Davinci-Tool: Scaling Agentic Tool-Use Supervision with Verifiable Executable Environments [65.08394586229379]
Davinci-Toolは、環境カバレッジと結果の検証を一緒にスケールするために設計された30Bツールの使用モデルである。
Davinci-ToolDataは、復元可能な状態、実行トレース、結果、検証を管理のための統一された基盤として保存する。
Davinci-ToolはQwen3-Coder-30B-A3B-Instructを52.4ドルから88.2ドル、BFCL v4マルチターンで30.4ドルから62.8ドル、MCP-Atlasで16.9ドルから56.2ドルに改善した。
論文 参考訳（メタデータ） (2026-10-12T14:33:16Z) - Evaluating Local Language Model Agents for Reproducible Data Engineering: An Empirical Software Engineering Study of Mobility Workflows [74.39138492851343]
大規模言語モデル(LLM)エージェントは、ソフトウェアやデータエンジニアリングアシスタントとしてますます使われている。
ローカルオープンウェイトエージェントが正しい再現可能なデータエンジニアリングアーティファクトを作成できるかどうかを評価する。
論文 参考訳（メタデータ） (2026-10-08T08:26:46Z) - SAILOR: Solver-Assisted Interactive LLM-based Optimization Recovery [7.103570275225352]
言語モデルは記述をコードに変換することができるが、必要な値がない場合は、停止するか、推測する必要がある。
このような数値選択を検知する概念実証システムであるSAILORを提案する。
我々は、7つのベンチマークから1,723インスタンスのパイプラインを評価する。
論文 参考訳（メタデータ） (2026-09-12T13:40:52Z) - Apodex Discovery: Reality Benchmarks and Environments for Evaluating and Building Discoverative Artificial Intelligence [86.61561123749011]
Apodex Discovery(アポデックスディスカバリー)は、重度解法を用いて発見的AIを構築し評価するためのフレームワークである。
まず16のセクターで511の業界を調査し、423の高価値現実問題を集め、最初のリリースで20を選定した。
第二に、共通の環境-タスク-エピソード抽象化は、データ、ツール、制約、フィードバック、軌跡記録、中間成果物と最終提出物の検証を提供する。
論文 参考訳（メタデータ） (2026-08-11T18:48:40Z) - CRAFTS: Collaborative Role-Adaptive Fine-Tuning of LLM Agents for Chemical Process Simulation [27.88778816587853]
CRAFTSは、シミュレーションビルディングを有界なサブタスクに分解することで、化学工学者の段階的なワークフローを反映する。
微調整は、スキーマクリティカルな3つの視覚、トポロジ、および仕様の役割に適用される。
結果として得られるVisualGraphIR、TopologyIR、SpecIR、BuildPlan、SolveReportは、ユニット、ポート、熱力学、数値、実行の決定を公開する。
論文 参考訳（メタデータ） (2026-08-02T16:42:47Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - A Constrained Natural-Language Interface for Variational Multi-Physics Finite Element Simulations in FEniCS [0.0]
本稿では,LLMをフロントエンドタスクに限定した制約付き自然言語生成有限要素解析を提案する。
FEniCSソルバテンプレートを書いたり、弱い形式を導いたり、数値ソルバコアを書いたりすることはない。
エンド・ツー・エンドのデモンストレーションとして、システムは1つの自然言語プロンプトからフィレットとボルトホールを備えた3次元弾塑性Lブラケットを生成し、分析する。
論文 参考訳（メタデータ） (2026-06-09T14:38:11Z) - Self-Verified Distillation: Your Language Model Is Secretly Its Own Synthetic Data Pipeline [56.53954182896384]
大規模言語モデルのための簡単な訓練後改良アルゴリズムである自己検証蒸留を提案する。
自己検証蒸留(Self-Verified Distillation)は、未ラベルの種問に対する候補解を生成する。
プロンプトベースの自己検証を使用してフィルタリングし、結果の自己計算データセットをトレーニングする。
トレーニングデータ構築中に、より多くの候補世代をサンプリングし、より大きな検証予算を使用することで、高品質な自己計算データが得られることがわかった。
論文 参考訳（メタデータ） (2026-05-20T17:26:10Z) - Template-as-Ontology: Configurable Synthetic Data Infrastructure for Cross-Domain Manufacturing AI Validation [0.0]
1つのPython構成モジュールは、タイムステップ製造シミュレータの仕様として機能する。
5層パイプライン-シミュレート、CDC/Icebergレイクハウス、スタースキーマ、12のパラメータ化されたAIツール-は、因果的に一貫性のあるMES型のデータを生成します。
このフレームワークは、個別の製造AIバリデーションのための再利用可能なデータ層を提供する。
論文 参考訳（メタデータ） (2026-05-11T21:36:05Z) - LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。
CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
論文 参考訳（メタデータ） (2026-05-02T11:31:33Z)
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。