論文の概要: Agent4FreeFem: A Verification-Guided Framework for Autonomous Topology Optimization
- arxiv url: http://arxiv.org/abs/2611.00803v1
- Date: Sat, 31 Oct 2026 10:25:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-13 09:35:40.074906
- Title: Agent4FreeFem: A Verification-Guided Framework for Autonomous Topology Optimization
- Title(参考訳): Agent4FreeFem: 自律的トポロジ最適化のための検証ガイドフレームワーク
- Abstract要約: 本稿では,自然言語による問題記述を検証結果の集合に変換するパイプラインであるAgent4FreeFemを提案する。
パイプラインは、問題定義を変更せずに保持し、独立したエビデンスソースを使用してエラーをローカライズし、制約付き修復を自動的に完了する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Topology optimization has become an indispensable design tool in the aerospace, automotive, and mechanical engineering industries. Yet bringing a new problem from its description to an optimized result remains slow, expert-dependent, and unreliable: the workflow spans many manually connected stages, each new problem requires solver code to be written and debugged manually, and such code often fails or yields incorrect results. We present Agent4FreeFem, a pipeline driven by a large language model that turns a natural-language problem description into a set of verified optimization results without manual solver-code development or debugging. The pipeline keeps the problem definition unmodified, localizes errors using independent sources of evidence, and completes constrained repairs automatically, thereby providing efficient end-to-end automation, autonomous execution, and verifiable results. We evaluated Agent4FreeFem on a suite of single-physics and coupled multiphysics problems. Every case passed runtime verification and finished within the repair budget of each stage.
- Abstract(参考訳): トポロジー最適化は航空宇宙、自動車、機械工学産業において欠かせない設計ツールとなっている。
ワークフローは多くの手動で接続されたステージにまたがっていて、それぞれの新しい問題はソルバコードを手動で記述しデバッグする必要がある。
我々は,大規模言語モデルによって駆動されるパイプラインであるAgent4FreeFemを,手作業によるソルバコード開発やデバッギングを伴わずに,自然言語による問題記述を検証された最適化結果のセットに変換する。
パイプラインは、問題定義を変更せずに保持し、独立したエビデンスソースを使用してエラーをローカライズし、制約付き修復を自動的に完了し、効率的なエンドツーエンド自動化、自律実行、検証結果を提供する。
単物理系と多物理系を結合した集合体上でAgent4FreeFemを評価した。
すべてのケースが実行時の検証に合格し、各ステージの修復予算内で完了しました。
関連論文リスト
- The Optimizer Is the Agent: Reasoning-Driven Search across Prompts, Programs, and ML Workflows [72.9051182568928]
推論駆動最適化のための統合フレームワークであるReASearchを提案する。
共有エージェントループとドメイン固有のツールにより、ReASearchは、プロンプト、プログラム、MLを最適化するために、まったく同じスキャフォールドをインスタンス化する。
我々は,複雑な探索行動がエージェントの推論プロセスから自然に現れることを観察する。
論文 参考訳(メタデータ) (2026-08-07T02:15:39Z) - OptiAgent: End-to-End Optimization Modeling via Multi-Agent Iterative Refinement [0.0]
OptiAgentは、解決可能な数学的定式化だけでなく、実行可能なコードも出力できるマルチエージェントフレームワークである。
我々のアーキテクチャは、専用のエージェントが構造を抽出する数学的モデリングステップを優先する。
4つの特別なフィードバック機構を持つ新しいマルチループ検証アーキテクチャを導入し、それぞれが異なる障害モードをターゲットにしている。
論文 参考訳(メタデータ) (2026-07-06T17:27:16Z) - Problem Reductions at Scale: Agentic Integration of Computationally Hard Problems [1.2425910171551517]
NPハード最適化の問題は、しばしば特定の解法に対する修正を必要とする。
制約,検証システム,フィードバックループを設計する手法は,この障壁を克服できることを示す。
約3ヶ月で、100以上の問題タイプと200以上のルールを170万行以上のRustで支援するコマンドラインツールを構築しました。
論文 参考訳(メタデータ) (2026-04-13T14:32:08Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳(メタデータ) (2026-03-23T14:48:54Z) - Automating Computational Reproducibility in Social Science: Comparing Prompt-Based and Agent-Based Approaches [0.3637090866781549]
計算研究の再現は、提供されたデータで元のコードを再実行するのと同じくらい単純であるとしばしば考えられている。
本研究では,大規模な言語モデルとAIエージェントが,そのような障害の診断と修復を自動化できるかどうかを検討する。
論文 参考訳(メタデータ) (2026-02-09T11:59:59Z) - Fault2Flow: An AlphaEvolve-Optimized Human-in-the-Loop Multi-Agent System for Fault-to-Workflow Automation [16.030246172690237]
電力グリッド技術者は、厳密な規制から推論ロジックを手作業で抽出しなければならない。
これら2つの異なる知識ソースを単一の、検証され、実行可能なワークフローに統合する既存のフレームワークはありません。
Fault2Flowは、PASTA形式のフォールトツリーに制御ロジックを体系的に抽出する。
専門家の知識をヒューマン・イン・ザ・ループ・インタフェースを通じて統合して検証する。
論文 参考訳(メタデータ) (2025-11-17T03:07:40Z) - InspectCoder: Dynamic Analysis-Enabled Self Repair through interactive LLM-Debugger Collaboration [71.18377595277018]
大きな言語モデル(LLM)は、診断が難しい複雑なロジックエラーを伴うバグの多いコードを生成することが多い。
対話型デバッガ制御による動的解析を LLM に委ねる初のエージェントプログラム修復システムである InspectCoder を提案する。
論文 参考訳(メタデータ) (2025-10-21T06:26:29Z) - Specification-Guided Repair of Arithmetic Errors in Dafny Programs using LLMs [79.74676890436174]
本稿では,障害の局所化と修復のためのオラクルとして形式仕様を用いたDafny用のAPRツールを提案する。
プログラム内の各ステートメントの状態を決定するために、Hoareロジックの使用を含む一連のステップを通じて、障害をローカライズします。
また, GPT-4o miniが74.18%と高い修理成功率を示した。
論文 参考訳(メタデータ) (2025-07-04T15:36:12Z) - Repeton: Structured Bug Repair with ReAct-Guided Patch-and-Test Cycles [1.387448620257867]
大規模言語モデル(LLM)は、コード生成と理解において強力な能力を示しているが、複雑なソフトウェアエンジニアリングタスクへの応用は、しばしば低い精度と限定的な解釈可能性に悩まされている。
実世界のGitの正確かつ自動化されたコード操作にLLMを活用する、完全にオープンソースなフレームワークであるRepetonを紹介します。
論文 参考訳(メタデータ) (2025-06-09T19:36:40Z) - FuzzyFlow: Leveraging Dataflow To Find and Squash Program Optimization
Bugs [92.47146416628965]
FuzzyFlowはプログラム最適化をテストするために設計されたフォールトローカライゼーションとテストケース抽出フレームワークである。
我々は、データフロープログラム表現を活用して、完全に再現可能なシステム状態と最適化のエリア・オブ・エフェクトをキャプチャする。
テスト時間を削減するため,テスト入力を最小限に抑えるアルゴリズムを設計し,再計算のためのメモリ交換を行う。
論文 参考訳(メタデータ) (2023-06-28T13:00:17Z)
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。