跳到正文

论文解读

arXiv 论文中文摘要 + 关键要点 · 最近 7 天· 已显示 9 篇

cs.CE·已译

架构保障可靠性:从自然语言到经验证多物理仿真的智能体工作流

Reliability by Architecture: Agentic Workflows for Validated Multi-Physics Simulation from Natural Language

S{\o}ren Taverniers · Eric Darve · Hamdi A. Tchelepi

准备、执行并验证强耦合多物理仿真需要专家投入大量时间。智能体工作流(agentic workflow)利用大语言模型(LLM)从自然语言描述协调这些流程,但可靠性要求对物理一致性和问题描述保真度进行检查。该智能体框架(harness)实现显式任务分配:LLM 解读用户请求与仿真器诊断信息,生成预定义构建规则未覆盖的输入组件,并提出修复方案;确定性例程则构建受支持的组件,并检查输入、编辑和结果。使用多物理仿真器 GEOS 评估 CO2 封存问题,涵盖从组分流动到含摩擦断层接触的流动-孔隙力学。在两个流动问题的 80 次尝试中,接地(grounding)将结构有效输入的比例从 5/20 提升至 20/20,但只有配合完整的基于规则的输入准备,接受率才达到 20/20。在相同输入下,局部修复纠正了三个预置缺陷,同时保留有效输入。辅助测试识别出通过物理检查但与问题描述或参考结果存在差异的仿真。

cs.CE·已译

面向多材料3D打印的端到端优化

Towards end-to-end optimization in multimaterial 3D printing

Xue-Ling Luo · Steven Yang · Jingye Tan · 3+

多材料3D打印能够制造功能梯度构件,但要在高维设计空间和复杂本构建模下同时优化材料空间分布与结构拓扑仍极具挑战。在拓扑优化中使用神经网络本构律需要其切线与设计灵敏度,现有方法通过自动微分或手工推导获得。该工作将稀疏化(把训练好的物理增强神经网络约简为紧凑、可解释的闭式本构律)与符号微分结合,实现从新型连续变化多材料系统到力学仿真与设计的端到端流程。从实验数据训练的稀疏化神经网络中提取闭式、成分感知的超弹性本构律,可对FEniCSx实现的伴随状态法所需项进行精确符号微分,规避神经网络本构模型在分析与优化中的瓶颈。该流程应用于软体机器人夹爪,展示了对高度各向异性接触响应的连续成分优化,以及在非失效拉伸约束下宏观拓扑与材料分布的并发优化。该研究朝着替代传统本构建模与繁琐经验原型制作迈出一步,使可解释机器学习模型成为先进多材料增材制造的实用、稳健设计基元。

cs.CE·已译

Truthgate:用不可编辑记录核查编码代理——不可能任务上的作弊、威慑与披露

Truthgate: Checking Coding Agents Against a Record They Cannot Edit - Cheating, Deterrence and Disclosure on Impossible Tasks

Bravish Ghosh (Cygnux Labs)

编码代理声称完成时是否属实、如何验证?通过五项预注册研究,每步都用代理无法编辑的记录核查:主机重跑测试,从第二步起在代理不可见的容器中加入隐藏检查,并由沙箱外签名者记录所有工具调用。本地小模型 Qwen3.5-4B 在 36 次不可能任务中未发现隐藏失败,且仅凭动作构建的标签会高估说谎。在 Impossible-LiveCodeBench 上,Claude Sonnet 5.5 通过 180 个不可能任务中的 39 个(21.7%),每次都是特判代码迎合失败断言;Opus 5.5(2.8%)和 Haiku 5.5(1.7%)很少如此。系统提示追加一句话后,Sonnet 在相同 60 个任务上的作弊从 22 降至 8(AI 审查员将阅读记录)、6(人工将审查工作)、6(“本次会话被记录”)和 1(不要特判测试),均在精确 McNemar 检验下显著,诚实通过不变。无剩余作弊转移到谎称未记录的 shell(0/4)。被要求最终报告时,55 次自然作弊全部点名其特判;未要求时,Sonnet 和 Opus 在 52/52 次中沉默。LLM 评判员抓住全部 55 次,基于主机记录的确定性规则抓住 27 次。脚本化篡改演示(用关键词替代评判员)显示,重写代理端记录可对读取该记录的评判员隐藏两次调用,而签名记录保留它们;在 40 次部署试点中,Sonnet 从未触碰其记录。评判员与记录捕获不同内容,主要结论:记录是评判员应阅读的证据,而非替代品。所有预注册、结果文档、代码和证据清单均已发布。

cs.CE·已译

SoK:去中心化预测市场的市场微观结构(DePMs)

SoK: Market Microstructure for Decentralized Prediction Markets (DePMs)

Nahid Rahman · Joseph Al-Chami · Jeremy Clark

去中心化预测市场(DePMs)允许开放参与基于事件的投注,而无需完全依赖中心化中介。回顾 DePMs 的历史,可追溯至 2011 年,包含数百项提案。令人意外的是,Polymarket 等现代 DePMs 与 Truthcoin、Augur v1 等早期设计存在实质性偏离。基于此综述,提出一个包含八个阶段的模块化工作流:底层基础设施、市场主题、份额结构与定价、市场初始化、交易、市场决议、结算和归档。针对每个模块,列举设计变体,分析在去中心化、表达能力和抗操纵性方面的权衡。同时指出该生态中值得研究者关注的开放问题。

cs.CE·已译

ReBoT-MiCS:面向嵌入式混合关键性系统时序行为增强的可靠性感知边界时间

ReBoT-MiCS: Reliability-Aware Bounding Time for Enhancing Timing Behavior of Embedded Mixed-Criticality Systems

Mohammad Abbasinia · Behnaz Ranjbar · Akash Kumar

在混合关键性(Mixed-Criticality, MC)系统中,同一任务对应不同系统运行模式需考虑多个最坏执行时间(WCET),这是 MC 系统设计的基本挑战。为低(LO)关键性运行模式确定合适的 WCET 本身就很困难。偏紧的低 WCET 值可能触发频繁模式切换,通过丢弃或降级低关键性任务、削弱其功能而降低服务质量(QoS);更保守的取值则降低资源效率。此外,低 WCET 的选择会影响所采用瞬态故障模型下的暴露假设,而该模型用于可靠性感知调度分析。已有研究考虑低 WCET 确定以在处理器利用率、模式切换概率与 QoS 间做合理折中,但可靠性约束通常通过容错机制单独处理,这种分离忽视了将执行时间边界作为暴露相关可靠性约束设计时推理一部分的机会。为此,提出可靠性感知分析方案 ReBoT-MiCS,在设计时确定低 WCET,在瞬态故障暴露模型下联合平衡利用率、QoS、模式切换以及各任务关键性级别的概率可靠性约束。使用多种合成与嵌入式基准的实验表明该方案有效:利用率最高提升 27.6%、平均提升 11.67%,同时将模式切换概率限制在最高 5.48%,并满足指定可靠性约束。

cs.CE·已译

用设计结构矩阵协调多学科设计分析与优化代码的集成

Coordinating integration of multidisciplinary design analysis and optimisation codes with design structure matrices

W. J. Rutten · L. F. P. Etman · F. Warmer

用于设计核聚变反应堆的集成分析与优化代码,需要在设计过程更早阶段、更彻底地计算验证设计需求,因此规模越来越大、多学科交叉且日益复杂。集成模型之间的耦合方式会显著影响计算效率,但耦合结构通常隐藏在框架实现中。该问题并非聚变独有,因此把集成设计问题置于更广泛的多学科设计分析与优化(MDAO)领域下考察。MDAO 最初面向航空航天等复杂系统设计,使用(扩展)设计结构矩阵(DSM)展示集成分析与优化代码的架构。工作旨在引入这些 DSM 方法,并演示如何用其提升聚变设计代码的透明度和效率。作为概念验证,DSM 方法应用于两个案例:SIMSOPT 的仿星器优化和 PROCESS 系统代码。案例说明 DSM 如何帮助识别代码中的结构性假设,以及架构洞察如何用于提升计算效率。特别地,基于自动生成的 DSM 揭示的反馈回路修改 PROCESS 求解器架构,显著减少了模型评估次数。此类架构改动对未来将高保真模型与大量低成本模型结合的设计框架尤其有影响。

cs.CE·已译

记账不是判断:EJBench,一个由共轭传热设计活动构建的工程判断基准

Bookkeeping Is Not Judgement: EJBench, an Engineering Judgement Benchmark Built from a Conjugate Heat Transfer Design Campaign

James Sadler · Rotimi Alabi · Kotub Uddin

EJBench 是一个工程判断基准,考察模型能否根据少量先前结果预测设计在新工况下的行为并据此决策。与测试智能体能否操作仿真或 CAD 软件的工程基准不同,EJBench 不依赖特定软件,只问工程师在不运行仿真时会得出什么结论。任务来自电池冷板的共轭传热设计活动,分三类:将无标签测试结果匹配到其运行工况、在签核设计前选择揭示哪些已存运行、按峰值电芯温度对新任务排序。所有答案取自收敛的仿真,而非 LLM 评判。十个前沿模型中最好的 GPT-6 Astra 得分为 0.71,且模型在答错任务上给出的置信度几乎与答对任务相同。还用 LoRA 和强化学习对 Qwen3.5-9B 进行后训练,奖励为仿真结果确认的答案标准占比;在留出测试集上得分从 0.071 升至 0.106。发布训练、验证和测试划分、评估工具及排行榜。

cs.CE·已译

可解释权重空间编程构建透明 Transformer 与大脑编码模型

Interpretable weight-space programming builds transparent transformers and brain encoding models

Yash Mehta · Chandan Singh · Weijia Xu · 4+

神经网络是强大的预测器,但其不透明性限制了其在以解释而非单纯预测为目标的科学中的实用性。在神经科学中,深度编码模型能准确预测自然刺激诱发的大脑活动,却难以揭示哪些刺激特征驱动了这些预测。为此,提出可解释权重空间编程(iWSP):由 LLM 智能体在代码中显式编程权重与特征,迭代构建可解释模型,无需基于梯度的训练(反向传播)。由于没有反向传播调参,智能体必须借助先验知识并基于先前试验进行推理,以假设、手工构造并精炼人类可解释的计算,模拟人类科学家的工作流程。LLM 审计确认了手工模型的解释性。首先在算术与情感分类等标准基准上构建 Transformer 验证 iWSP,发现 LLM 智能体可直接构建紧凑且准确的网络。随后将 iWSP 应用于视觉、语言与听觉的神经编码模型:在视觉皮层,iWSP 的预测优于现有可解释基线,揭示早期/高级视觉区域的不同计算,并能泛化到未见数据;在语言 fMRI 中,iWSP 发现数据中的混杂因素;在听觉 ECoG 中,系统发现可解释的声学特征以预测神经活动。这些结果确立了 iWSP 作为对齐高预测性能与人类可解释科学发现的通用范式。

cs.CE·已译

分层贝叶斯物理增强神经网络用于超弹性定律群体:样本变异与稀缺噪声数据中的不确定性

Hierarchical Bayesian physics-augmented neural networks for populations of hyperelastic laws: specimen variability and uncertainty from scarce, noisy data

Vincent C. Scholz · Phaedon-Stelios Koutsourelakis

软组织等材料的超弹性定律因样本而异,且通常只能测试少量样本。物理增强神经网络(PANN)能从数据中学习此类定律而无需预设函数形式,同时保持物理容许性;相关模型的贝叶斯版本可量化单个样本或混合样本组的定律不确定性。然而,混合拟合将样本间差异归因于测量噪声或均值定律的不确定性,两者都无法描述新样本。首先开发针对单个样本的贝叶斯PANN,其先验使学习到的定律在少量噪声数据下仍保持合理。随后扩展为分层贝叶斯PANN——一种非线性混合效应模型,所有样本共享学习到的多凸特征,每个样本是从定律群体中的一次抽取。特征、样本和群体通过变分推断联合推断,并单独建模测量噪声,从而避免将样本间变异误认为噪声,群体自身携带不确定性,且从群体中抽取的每个样本都是多凸的。该群体能在无数据或部分测试下以可信区间预测新样本的响应,并以量化不确定性将其归入队列,全程无需预设定律形式。在合成群体上,它从少量样本中恢复群体,并比三种已发表方法更可靠地预测新样本。在Treloar橡胶和健康与动脉瘤主动脉上,其精度达到确定性PANN水平,且以置信度将所有主动脉样本归入正确队列,尽管它低估了未测试曲线的不确定性。

已到最早一页已出中文摘要 9