物理推論2026/8/22arXiv:2608.22126

物理推論のためのモデリングと実行の分離

Decoupled Physical Modeling and Execution for Physics Reasoning

物理問題を解く際に、計算前に物理モデルを明示的に構築するフレームワークを提案し、二段階の学習戦略でモデルの推論性能を向上させた。

詳しい要約

1. どんなもの？

本論文は、物理推論の性能向上を目的とした統一フレームワークを提案する。物理問題は記号的・数式的操作だけでなく、物理システムの一貫したモデル構築を必要とするが、大規模言語モデル（LLM）は数学やコーディングに強い一方で物理問題に苦戦する。人間が計算前にシステムの表現を構築する点に着想を得て、物理モデリングプロセスを明示的にエンコードする中間表現を蒸留し、二段階のポストトレーニング戦略（教師ありファインチューニングで構造化モデリングを確立し、ルーブリックベースのフィードバックによる強化学習でモデリングプロセスの質を改善）を採用する。複数のマルチモーダル物理ベンチマークで評価し、異なるモデルとデータセットで一貫した推論性能の向上を示す。

2. 先行研究と比べてどこがすごい？

先行研究のLLMは物理問題を数式操作として扱いがちで、物理モデリングと数学計算が絡み合う問題で性能が低下する。本手法は、物理モデリングプロセスを明示的に中間表現として分離・蒸留する点が新しい。また、二段階のポストトレーニング（SFTとルーブリックベースのRL）を組み合わせることで、モデリングの質を直接最適化する点が従来のRLHFやGRPOと異なる。特に、小規模LLMでも物理推論を効率的に改善できることを示す。

3. 技術・手法の肝は？

手法の肝は、物理モデリングを明示的にエンコードする中間表現の蒸留と、二段階のポストトレーニング戦略である。まず、教師ありファインチューニング（SFT）で、物理問題から構造化されたモデリング表現（例：物体、力、関係性など）を生成するように学習する。次に、ルーブリックベースのフィードバックを用いた強化学習（RL）で、モデリングプロセスの質を評価・改善する。ルーブリックは物理モデリングの正しさを段階的に評価する基準であり、GRPOなどの既存手法と比較して、モデリングの質を直接報酬として扱う点が特徴。

4. どうやって有効だと検証した？

複数のマルチモーダル物理ベンチマーク（PhysReason、PhyX、SeePhys）で実験を行い、提案手法が異なるモデルとデータセットで一貫した推論性能の向上を示した。具体的には、物理モデリング出力がGRPOと比較して平均約3%の改善を達成した。これにより、明示的な物理モデリングが小規模LLMの物理推論を効率的に改善する戦略であることを検証した。

5. 議論はある？

要旨からは、提案手法の限界や潜在的な問題についての議論は不明。ただし、物理モデリングの中間表現の設計やルーブリックの作成に依存する可能性があり、汎用性やスケーラビリティに関する議論が考えられる。また、小規模LLMに焦点を当てているが、大規模モデルへの適用や、より複雑な物理問題への拡張性については言及がない。

6. 次に読むべき論文は？

要旨で参照されているベンチマーク（PhysReason、PhyX、SeePhys）や、比較対象としてGRPOが挙げられる。また、物理推論の分野では、既存のLLMベースの物理問題解決手法や、マルチモーダル推論に関する研究が関連する。具体的には、GRPO（Group Relative Policy Optimization）や、物理モデリングを扱う他の研究が次に読むべき論文として考えられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Ye Zhang, Xuehang Guo, Rui Pan, Pengfei Yu, Denghui Zhang, Manling Li, Qingyun Wang

分類: cs.LG, cs.CL

原文アブストラクト

Physics reasoning requires constructing a consistent model of the underlying physical system rather than relying solely on symbolic or formula-based manipulation. Although large language models have shown strong ability in solving math and coding problems, they still struggle with physics problems, as these problems entangle the physical modeling process with mathematical calculations. Humans approach physics by first building a representation of the system before performing calculations. Inspired by this, we introduce a unified framework that distills intermediate representations that explicitly encode the physical modeling process and adopt a two-stage post-training strategy, where supervised fine-tuning establishes structured modeling, and reinforcement learning with rubric-based feedback improves the quality of the modeling process. Experiments on multiple multimodal physics benchmarks show that our approach leads to consistent improvements in reasoning performance across different models and datasets. On PhysReason, PhyX and SeePhys benchmarks, physical modeling output performs GRPO by an average ~3%, showing that explicit physical modeling is an efficient strategy of improving physics reasoning for small LLMs.

arXivで原文を読む →arXiv概要ページ

← 論文一覧