回到最新动态
论文更新 / THE SIGNAL

物理审计智能体框架PA-SciML

Physics-Audited Agentic Discovery in Scientific Machine Learning

重要性 5.5 AI 辅助整理

仅按误差选模型会漏掉物理违规,审计可筛出合规代理。

资讯摘要

论文提出Physics-Audited Agentic SciML(PA-SciML)框架,将大语言模型智能体与物理审计结合。物理要求以叠加性、边界条件、因果性等契约形式在候选搜索前固定,并在无参考解的情况下对预测场进行测试,包括对抗性搜索。审计结果用于指导后续提案与模型选择,但与验证误差分开报告。作者在四个复杂度递增的固体力学问题上发现,仅按误差选出的代理模型存在因果性、零输入和应力边界违规。

要点速读

  1. 框架在候选搜索前固定物理契约,并在无参考解条件下审计预测场,含对抗性搜索。
  2. 四个固体力学问题中,仅按误差选择的代理模型出现因果性、零输入与应力边界违规。
  3. 弹性动力学中两个代理误差接近,但只有启用审计的代理按构造满足因果性;审计版在多数比较中精度持平或更高。

中文摘要由 AI 根据公开来源生成,可能存在理解偏差;具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27(北京时间)。 arXiv 日期为本次公告时间,论文初次投稿日期请查看原文版本记录。

阅读 arXiv · cs.AI 原文arxiv.org · 在新窗口打开