論文の概要: SteelAgent: LLM-Orchestrated, Physics-Informed Steel Property Prediction with Audited Generalization and Calibrated Uncertainty

• arxiv url: http://arxiv.org/abs/2611.06953v1
• Date: Tue, 03 Nov 2026 20:08:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 21:50:50.414257
• Title: SteelAgent: LLM-Orchestrated, Physics-Informed Steel Property Prediction with Audited Generalization and Calibrated Uncertainty
• Title（参考訳）: SteelAgent: LLM-Orchestrated, Physics-Informed Steel Property Prediction with Audited Generalization and Calibrated Uncertainty
• Abstract要約: SteelAgentは、プロパティ予測のための言語モデルインターフェースを備えた冶金記述子と機械学習モデルを結合する。 本研究では,スチールベンチの引張強度評価から得られた結論を,ホールドアウト単位の選択がどう変えるかを検討する。
• 参考スコア（独自算出の注目度）: 39.179383828674254
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Steel property models can perform well on random test splits even when they extrapolate poorly to unfamiliar alloys. SteelAgent couples metallurgical descriptors and machine-learning models with a language-model interface for property prediction, uncertainty reporting and inverse design. We examine how the choice of held-out unit changes the conclusions drawn from SteelBench tensile-strength evaluations. For gradient boosting, pooled out-of-fold $R^2$ fell from 0.859 on a random split to 0.113 when steel families were held out. Empirical coverage of nominal 90% prediction intervals ranged from 91.0% under random splitting to 37.6% on held-out sources. The effect of physics-derived features depended on the evaluation. They increased gradient-boosting $R^2$ by 0.2534 in a 17-family holdout analysis and decreased it by 0.358 in a separate four-grade laboratory analysis. We report group-level errors and a synthetic regression experiment illustrating how calibration can deteriorate on held-out groups. These results motivate reporting the evaluation population alongside a property estimate or compliance score.
• Abstract（参考訳）: 鉄鋼特性モデルは、不慣れな合金に外挿してもランダムな試験スプリットで良好に機能する。 SteelAgentは、資産予測、不確実性報告、逆設計のための言語モデルインターフェースを備えたメタルワール記述子と機械学習モデルを結合する。 本研究では,スチールベンチの引張強度評価から得られた結論を,ホールドアウト単位の選択がどう変えるかを検討する。 勾配上昇のため, プールアウトオブフォールドのR^2$は, ランダムスプリット時に0.859から0.113に低下した。 名目90%の予測間隔の実証的カバレッジは、ランダムスプリットの91.0%から、ホールドアウトソースの37.6%まで様々である。 物理特性の影響は評価によって異なる。 彼らは17戸のホールドアウト分析でR^2$を0.2534増やし、別の4グレードの研究室分析では0.358に減らした。 グループレベルの誤りを報告し, ホールドアウト群に対して校正がいかに悪化するかを示す合成回帰実験を行った。 これらの結果は、資産推定やコンプライアンススコアとともに、評価人口を報告する動機となっている。

関連論文リスト

• VeriVLA: Adaptive Test-Time Verification for Flow-Based VLAs with Latent World Models [50.77784979595945]
  トレーニング不要な2軸トリガを導入し,時間内変動とサンプル間のばらつきを測定した。 一度起動すると、JEPAベースの潜在世界モデルは、アクション条件付き将来の潜在状態を予測することによって、候補アクションチャンクをランク付けする。 提案手法は, 平均完了スコアを50.8%から65.5%に引き上げると同時に, トリガ決定毎のサンプリングと検証に326msを加算する。
  論文  参考訳（メタデータ） (2026-10-15T14:34:44Z)
• JockeyBench: Evaluating LLM Agents on Horse-Racing Decision-Making [51.28684419852576]
  繰り返し発生する事象予測には、ノイズのある証拠から予測信号を抽出する必要がある。 本稿では,歴史的競馬を通じてこの問題を研究するベンチマークおよび評価プロトコルであるJockeyBenchを紹介する。
  論文  参考訳（メタデータ） (2026-10-14T04:59:45Z)
• Physics-based prediction, uncertainty quantification and decision-making for IN718 crystallographic texture intensity across LPBF defocus regimes [24.75122350313112]
  本研究では,Inconel 718における001>BDテクスチャの2段階物理モデルを開発した。 ステージ1は、変数を解凍モードにマッピングし、プール幾何学を解凍する。 ステージ2は、経験的物理モデルとランダムフォレスト残差モデルを組み合わせることでテクスチャを予測する。
  論文  参考訳（メタデータ） (2026-09-16T16:02:37Z)
• CARRE: Counterfactual Action Retrieval and Reason Evaluation for Explainable Churn Prescription [5.823033362443801]
  CARREは,検索強化候補生成,費用対効果評価,大規模言語モデル(LLM)推論を組み合わせた3段階のフレームワークである。 IBM Telco Customer Churnデータセットでは、CARREは通常のSHAPベースラインよりも79.8%高い平均モデル予測リスク削減を実現している。
  論文  参考訳（メタデータ） (2026-09-09T06:08:02Z)
• Amortizing the Calibration Triple: A Projection-Consistent Neural Operator for Local-Stochastic Volatility [9.222991789197641]
  局所確率的ボラティリティ(LSV)は、バニラ限界とより豊かな笑顔のダイナミクスを組み合わせたものである。 我々は、キャリブレーションのための射影整合作用素三重項を学習する。 証人強化残差系に対しては,条件付き同定と経験的整合性を証明する。
  論文  参考訳（メタデータ） (2026-08-02T13:03:48Z)
• When Do Autoregressive Sequence Models Forecast Physical Wavefields? A Controlled Study on Synthetic Seismograms [43.8784307709823]
  物理信号の長距離自己回帰予測は誤差蓄積によって制限される。 物理的に構造化されたテストベッドとして,合成3成分地震計を用いて,このようなロールアウトが安定であるかどうかを問う。
  論文  参考訳（メタデータ） (2026-06-09T13:46:14Z)
• SL-BiLEM: Structured Learnable Behavior-in-the-Loop Epidemic Modeling for Forecasting and Policy Evaluation [42.644852156101685]
  エピデミック予測は、人間の行動が病気の拡散に動的に反応する、という根本的な課題に直面している。 頑健な外挿のための正則化として物理的制約を利用するtextbfSL-BiLEM(Structured Learnable Behavior-in-the-Loop Epidemic Model)を提案する。
  論文  参考訳（メタデータ） (2026-05-26T08:46:04Z)
• Multi-Dimensional Behavioral Evaluation of Agentic Stock Prediction Systems Using Large Language Model Judges with Closed-Loop Reinforcement Learning Feedback [1.2362187555287152]
  ファイナンスにおける予測評価は、ポイント予測エラーに基づく集計精度測定と予測精度テストに依存している。 本稿では,中間決定プロセス自体を評価することによって,精度試験を補完する行動予測評価手法を提案する。
  論文  参考訳（メタデータ） (2026-05-07T06:31:34Z)

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。