AIが解く世界の難問 · 物理学 · arXiv · 2026-10-22
場の量子論に向けた小型推論モデルのファインチューニング
原題: Fine-Tuning Small Reasoning Models for Quantum Field Theory
理論物理の検証可能な問題解決タスクについて、言語モデルに対する強化学習（RL）と教師ありファインチューニング（SFT）の効果を学術的に初めて比較した。検証可能な学習データが不足していたため、合成問題の作成と既存の人手問題の学習用変換の両方ができるデータ生成パイプラインを構築し、場の量子論（QFT）を主分野として2500を超える合成問題と、arXivや標準的な教材由来の人手適応問題を整備した。両手法ともすべてのデータセットでベースモデルを上回ったが、SFTの改善は分布内の合成タスクに集中する一方でRLは汎化が良く人手適応データセットやTPBenchでSFTを上回り、ファインチューニング前後の思考連鎖推論の誤りの変化も分析した上で、データパイプライン、検証可能なQFT学習データ、約2億トークンのQFT推論トレースを公開した。