arXiv cs.AI· Bo Ni·· 3 天前AI 评分27
FracLearn：让语言模型通过物理经验学习设计
Learning from fracture: Teaching language models to design through physical experience
AI 导读
FracLearn 框架让语言模型在受 Tetris 启发的断裂游戏中通过模拟断裂响应积累经验，抽象出钢筋布置、裂纹演化与载荷传递的条件性原理，再在新架构中组合这些原理以超越此前设计记录，最佳综合得分比经验阶段记录高 11.0%。断裂分析显示性能提升源于裂纹偏转与暂时捕获等增韧机制及更高的残余承载能力。学习通过外部知识与决策完成，无需更新模型权重。
正文 · AI 翻译
摘要：语言模型如何通过经验学习优化物理设计？我们提出 FracLearn，一个经验-抽象-泛化框架，并通过一个刻意陌生的、受俄罗斯方块启发的断裂游戏进行评估。模型首先提出架构并检查模拟断裂响应以积累经验。抽象将这些观察组织为条件性原则，将加固布置、裂纹演化与载荷传递联系起来，并附有支持证据和失效条件。泛化要求模型在新架构中组合这些原则，并超越此前的设计记录。多轮实验展示了通过假设修正实现的渐进式改进与恢复，最终最佳综合得分比经验阶段记录高出 11.0%。断裂分析将性能提升与裂纹偏转和临时捕获作为增韧机制联系起来，同时具有更高的残余承载能力。学习通过外部知识和决策发生，无需更新模型权重。该方法为科学智能体提供了一条途径，将计算实验转化为可复用的物理知识，用于材料发现和工程设计。
| 评论： | 21 页，7 幅图，3 张表。包含补充材料 |
| 主题： | 材料科学 (cond-mat.mtrl-sci)；人工智能 (cs.AI)；机器学习 (cs.LG) |
| 引用为： | arXiv:2610.17804 [cond-mat.mtrl-sci] |
| （或 arXiv:2610.17804v1 [cond-mat.mtrl-sci] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17804 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Bo Ni [查看电子邮件]
[v1]
2026年10月13日星期二 06:30:52 UTC（1,045 KB）
来源：arXiv cs.AI · arxiv.org