電子回路解析における圧縮モデルの複雑性ホライズン
arXiv cs.AI / 2026/5/5
📰 ニュースDeveloper Stack & InfrastructureSignals & Early TrendsModels & Research
要点
- この論文は、アナログ回路解析のような専門工学領域でLLMを活用する際に、推論精度と計算効率のトレードオフが問題になる点を扱い、従来の評価がそれを十分に階層性として捉えられていないと指摘しています。
- 電子設計の概念をDAG（有向非巡回グラフ）として構造化し、前提知識グラフを使うことで、LLMの圧縮バリアントの各ティアが有効に機能できる「複雑性の到達範囲」を特定する手法を提案しています。
- 前提ベースのデータセットを生成するエージェント型パイプラインと、複数の圧縮済みLLMバリアントにまたがって質問を段階的に投げる評価エンジンを組み込みます。
- 実験では、アナログ電子データセットにおいて前提知識グラフが、回路解析の複雑性に対する性能を細かく対応づける地図（モデル圧縮の粒度）を提供できることが示されています。
- 研究コードと公開デモが提供されており、回路解析ユースケースでの再現や検証がしやすい構成です。
