論文の概要: FORGE: Fault-Oriented Rework Code Generation for Executable Interlocking Assembly

• arxiv url: http://arxiv.org/abs/2611.02536v1
• Date: Mon, 02 Nov 2026 05:07:03 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 20:13:48.500884
• Title: FORGE: Fault-Oriented Rework Code Generation for Executable Interlocking Assembly
• Title（参考訳）: FORGE: Executable Interlocking Assemblyのためのフォールト指向リワークコード生成
• Abstract要約: 相互に連動するアセンブリでは、ローカルで妥当な修復プログラムがブロッキングの依存関係を侵害したり、必要なリカバリ操作を省略したり、不正な設定で終了する可能性がある。 我々は、この課題を、モデルが構造的失敗を共同で理由付けなければならない、フォールトコンディショナブルな再作業生成として認識する。 構造化された状態からプログラムまでのフレームワークであるFOGEを提案し,再作業生成を再作業構造化とアクショングラウンディングに分解する。
• 参考スコア（独自算出の注目度）: 8.21023182085725
• License:
• Abstract: Large language models have demonstrated strong capabilities in structured reasoning and code generation, yet identifying an assembly fault does not guarantee the ability to generate executable rework programs. In interlocking assemblies, a locally plausible repair program may violate blocking dependencies, omit required recovery operations, or terminate in an incorrect configuration. We identify this challenge as fault-conditioned executable rework generation, where models must jointly reason about structural failures and generate programs that restore constrained assembly states. To benchmark this capability, we introduce FORGE-Bench, containing 4,000 tasks across 26 interlocking assemblies with five assemblies held out for evaluating generalization to unseen structures. We further propose FORGE (Fault-Oriented Rework Code Generation for Executable Interlocking Assembly), a structured state-to-program framework that decomposes rework generation into Rework Structuring and Action Grounding. Rework Structuring captures fault-induced recovery dependencies, while Action Grounding maps these dependencies into state-conditioned executable actions. Experiments show that locally reasonable repair code is insufficient for reliable assembly recovery, and that connecting structural recovery reasoning with executable action realization is essential for verified target restoration.
• Abstract（参考訳）: 大規模言語モデルは構造化推論やコード生成において強力な機能を示しているが、アセンブリの欠陥を特定することは、実行可能な再作業プログラムを生成することを保証していない。 相互に連動するアセンブリでは、ローカルで妥当な修復プログラムがブロッキングの依存関係を侵害したり、必要なリカバリ操作を省略したり、不正な設定で終了する可能性がある。 我々は、この課題を障害条件付き実行可能再作業生成とみなし、モデルが構造的故障を共同で推論し、制約されたアセンブリ状態を復元するプログラムを生成する必要がある。 この能力をベンチマークするために、26個のインターロックアセンブリに4000のタスクを含むFOGE-Benchを導入し、未知の構造への一般化を評価するために5つのアセンブリを保留した。 さらに,FORGE(Fault-Oriented Rework Code Generation for Executable Interlocking Assembly)を提案する。 Rework Structuringは障害によって引き起こされるリカバリの依存関係をキャプチャし、Action Groundingはこれらの依存関係を状態条件の実行可能なアクションにマッピングする。 実験により, 信頼性の高い組立回収には, 局所的に妥当な補修コードが不十分であることが確認された。

関連論文リスト

• ArchGuard-APR: Architecture-Constraint-Aware Multi-Agent Program Repair Using Repository Graphs and Execution Feedback [0.0]
  ArchGuard-APRは、決定論的リポジトリ分析、不変なリポジトリグラフ、明示的なアーキテクチャプロファイル、グラフガイド付きコンテキスト検索、ロールベースの修復オーケストレーション、パッチ・ポリティクス、独立した実行フィードバック、プロバイダのコスト管理、標準的ソースフリーエビデンスを統合する、アーキテクチャ対応の修復プロトタイプである。 本研究は, 実証実験ではなく, 探索的ペア実現可能性試験により実施したパイプラインの評価を行った。
  論文  参考訳（メタデータ） (2026-10-24T18:48:32Z)
• Adaptive Skill Granularity for Coding Agents: Runtime Routing and Macro-to-Micro Recovery [4.20981334835714]
  本稿では,タスク構造,実行状態,マクロスキルの失敗を条件に,スキルの粒度をアクション抽出ポリシーとして扱うフレームワークであるAdaptive Skill Granularityを紹介する。 検証器が定義した成功、総コスト、マクロ導入、障害復旧、経路一致、遷移正当性といったプロセスメトリクスを用いて、決定論的コーディングエージェントプロトコルを用いてフレームワークを評価する。
  論文  参考訳（メタデータ） (2026-10-22T15:55:18Z)
• Lost in Recovery: Demystifying Recovery Behavior of Computer-Use Agents via Goal-Oriented Action Replay [63.05870209824107]
  本稿では,コンピュータ利用エージェントの回復行動を研究するためのスケーラブルな評価フレームワークReTraceを提案する。 我々は、制御されたエラーインジェクションの後にゴール指向のアクションリプレイによって、この基準を運用する。 ReTraceを用いて、自律型モデルベースリカバリに関する最初の体系的研究を行う。
  論文  参考訳（メタデータ） (2026-10-20T09:59:12Z)
• Learning to Compose: Recursive Self-Improvement of Shared Executable Stacks for Zero-Shot Long-Horizon Robot Manipulation [18.726514174367924]
  本稿では、個別のタスクプログラムではなく、共有実行可能スタックを永続的な改善単位として扱うフレームワークであるRecursiaを紹介する。 実験では、LIBERO-Pro Longシミュレーションとフランカハンドを装備した物理的フランカFR3をカバーしている。
  論文  参考訳（メタデータ） (2026-10-17T05:10:05Z)
• Causal-AgentIR: Self-Evolving Causal Memory for Adaptive Image Restoration Agents [54.85451496831771]
  Causal-AgentIRは階層的なマルチエージェントフレームワークであり、画像復元インテリジェンスのための自己進化型因果記憶を持つ。 分解パターン、画像領域、復元ツール、アクション、品質変更、ユーザの好みを構造化された因果記憶グラフに整理する。 このグラフはグラフベースの検索とマルチホップ因果推論をサポートしており、エージェントは特定の復元操作やツールシーケンスが異なる劣化条件下での修復品質にどのように影響するかを推測することができる。
  論文  参考訳（メタデータ） (2026-07-23T09:59:44Z)
• RAVEN: Agentic RAG for Automated Vulnerability Repair [48.8954115363348]
  自動脆弱性修復のためのスケーラブルで効率的で自律的なフレームワークであるRAVENを提案する。 RAVENは、エージェント検索拡張生成(RAG)パイプラインと、制御された反復的な修復を統一されたフレームワークに統合する。 RAVENは全体の修復成功率83.13%を達成し、既存のすべての修復フレームワークを上回っている。
  論文  参考訳（メタデータ） (2026-06-21T19:18:06Z)
• Beyond Spatial Compression: Interface-Centric Generative States for Open-World 3D Structure [55.17771962316751]
  現在の3Dトークンは、表現を空間圧縮として扱うが、コンポーネントの所有権とアタッチメントの妥当性は暗黙的に残す。 我々は、トークン化がパッシブ圧縮コードではなく操作状態を構成する、インターフェイス中心の生成状態という別の視点を定式化する。 我々は、この定式化を、C2LT-3D(Component-Conditioned Canonical Local Tokens)でインスタンス化し、表現を標準局所幾何学、パーティション条件付きコンテキスト、およびリレーショナルシーム変数に分解する。
  論文  参考訳（メタデータ） (2026-05-11T12:09:28Z)
• Constraint Decay: The Fragility of LLM Agents in Backend Code Generation [9.659020624935687]
  大きな言語モデル(LLM)エージェントは、緩やかな仕様の下で、自律的なコード生成において強力なパフォーマンスを示す。 プロダクショングレードのソフトウェアは、アーキテクチャパターンやデータベース、オブジェクト-リレーショナルマッピングといった構造的制約に厳格に固執する必要がある。 本稿では,バックエンド生成における構造的制約を適切に扱えるかを評価する。
  論文  参考訳（メタデータ） (2026-05-07T15:44:40Z)
• ANNEAL: Adapting LLM Agents via Governed Symbolic Patch Learning [12.44509691077682]
  本稿では,繰り返し発生する障害をプロセス知識グラフのシンボル編集に変換する神経シンボルエージェントであるANNEALを紹介する。 その中核となるメカニズムであるFDKA(Failure-Driven Knowledge Acquisition)は、責任のあるオペレータをローカライズし、制約付きLLM生成を通じて型付きパッチを合成し、提案を検証する。 4つのドメインと27のマルチシードランをまたいだANNEALは、永続的な構造修復を行う唯一の評価システムである。
  論文  参考訳（メタデータ） (2026-05-04T05:24:03Z)
• Robust and Efficient Tool Orchestration via Layered Execution Structures with Reflective Correction [55.13278005189741]
  私たちは、高レベルのツール依存関係をキャプチャする階層化された実行構造を学ぶために、ツールオーケストレーションをモデル化します。 本稿では,局所的にエラーを検出し,修正するスキーマ対応反射補正機構を提案する。 この設計では、エラーを個々のツールコールに限定し、実行軌跡全体の再計画を避ける。
  論文  参考訳（メタデータ） (2026-02-21T22:20:01Z)

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。