PulseAugur
中
实时 15:25:22
English(EN) LLM-ACES: Closed-Loop Discovery of Dynamical Systems with LLM-Guided Adaptive Search

LLM-ACES框架使用大型语言模型发现动力学系统

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了LLM-ACES，一个新颖的框架，它使用大型语言模型通过搜索常微分方程（ODEs）来指导动力学系统的发现。这个闭环系统优化了符号假设的构建和自适应数据的获取。通过划分搜索空间并利用模型分歧来指导数据收集，LLM-ACES迭代地改进其对底层动力学的理解。该系统在ODEBench和ODEBase数据集上表现出显著的改进，在平均均方误差（NMSE）中值和符号准确性方面，其性能比现有方法高出几个数量级。 AI

影响 这项研究展示了LLM在科学发现方面的新颖应用，有可能加速跨越不同领域的复杂系统的建模。

排序理由 该集群包含一篇学术论文，详细介绍了使用LLM进行科学发现的新方法。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

LLM-ACES框架使用大型语言模型发现动力学系统

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Nikhil Abhyankar, Sha Li, Sanchit Kabra, Naren Ramakrishnan, Yulia Gel, Chandan K. Reddy ·

    LLM-ACES: Closed-Loop Discovery of Dynamical Systems with LLM-Guided Adaptive Search

    arXiv:2606.25039v1 Announce Type: cross Abstract: Recovering governing Ordinary Differential Equations (ODEs) from data is a central challenge in modeling dynamical systems across scientific domains. Existing approaches cast discovery as a static inference problem over fixed data…

  2. arXiv cs.CL TIER_1 English(EN) · Chandan K. Reddy ·

    LLM-ACES: Closed-Loop Discovery of Dynamical Systems with LLM-Guided Adaptive Search

    Recovering governing Ordinary Differential Equations (ODEs) from data is a central challenge in modeling dynamical systems across scientific domains. Existing approaches cast discovery as a static inference problem over fixed datasets, assuming that the observed trajectories are …

相关实体

相关话题