LLM驱动的智能体通过定性与定量评估发现常微分方程

研究人员开发了一种名为DoLQ的新方法，利用大型语言模型（LLMs）来发现常微分方程（ODEs）。DoLQ通过整合领域知识以实现物理上的合理性，解决了现有仅定量方法的局限性。该方法采用多智能体系统，包括用于候选生成的采样智能体（Sampler Agent）、用于精度优化的参数优化器（Parameter Optimizer）以及利用LLM进行定性与定量评估以指导搜索过程的科学家智能体（Scientist Agent）。实验表明，DoLQ在恢复符号项和在ODE基准测试中取得更高的成功率方面优于现有方法。 AI

影响 通过集成LLM实现更准确、物理上更合理的ODE发现，从而增强科学发现能力。

排序理由 该集群包含一篇详细介绍科学机器学习新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• Bong Gyun Shin
• Dolquès
• Hugging Face
• Parameter Optimizer
• Sampler Agent
• Scientist Agent

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →