📝 PhyDrawGen: генерация физически корректных диаграмм по текстовому описанию
Исследователи представили PhyDrawGen — нейро-символический пайплайн, который решает ключевую проблему генеративных моделей: систематические галлюцинации при построении физических диаграмм. Современные модели (GPT-5-image, Gemini 2.5 Flash, Gemini 3 Pro) создают визуально правдоподобные изображения, но нарушают законы сохранения, искажают векторы сил и игнорируют геометрические ограничения.
PhyDrawGen работает в три этапа: сначала LLM извлекает типизированный граф сцены из текста задачи, затем детерминированный солвер преобразует его в Planar Straight-Line Graph (PSLG) с точными геометрическими примитивами (баланс сил, оптические пути, топология полей). Финальный этап — fine-tuned Qwen-VL выполняет визуальный propose-verify цикл, итеративно исправляя нарушения ограничений.
На бенчмарке из 1 449 задач по механике, оптике и электромагнетизму PhyDrawGen значительно превзошёл GPT-5-image, Gemini 2.5 Flash и Gemini 3 Pro, демонстрируя устойчивую физическую точность даже для задач с необычными объектами. Работа содержит 9 рисунков и 7 таблиц, находится на рецензировании EMNLP 2026.
#AI #LLM #PhyDrawGen #Research #Physics
Исследователи представили PhyDrawGen — нейро-символический пайплайн, который решает ключевую проблему генеративных моделей: систематические галлюцинации при построении физических диаграмм. Современные модели (GPT-5-image, Gemini 2.5 Flash, Gemini 3 Pro) создают визуально правдоподобные изображения, но нарушают законы сохранения, искажают векторы сил и игнорируют геометрические ограничения.
PhyDrawGen работает в три этапа: сначала LLM извлекает типизированный граф сцены из текста задачи, затем детерминированный солвер преобразует его в Planar Straight-Line Graph (PSLG) с точными геометрическими примитивами (баланс сил, оптические пути, топология полей). Финальный этап — fine-tuned Qwen-VL выполняет визуальный propose-verify цикл, итеративно исправляя нарушения ограничений.
На бенчмарке из 1 449 задач по механике, оптике и электромагнетизму PhyDrawGen значительно превзошёл GPT-5-image, Gemini 2.5 Flash и Gemini 3 Pro, демонстрируя устойчивую физическую точность даже для задач с необычными объектами. Работа содержит 9 рисунков и 7 таблиц, находится на рецензировании EMNLP 2026.
#AI #LLM #PhyDrawGen #Research #Physics
👍1