LLM 和神经推理结合用于联合模型选择

研究人员开发了一个新框架，将大型语言模型（LLM）与神经基于仿真的推理相结合，用于程序合成。这种方法允许联合选择和估计模型，超越了需要预定义模型结构 的传统方法。该系统使用 LLM 生成候选模拟器程序，然后使用神经密度估计进行优化和评估。通过准确反映数据的信息内容和可识别性，该方法在识别流行病建模和天体物理学等各个领域的合理模型族方面取得了成功。 AI

影响 在复杂的仿真场景中实现更灵活和自动化的模型选择和参数估计。

排序理由 该集群包含一篇发表在 arXiv 上的研究论文，详细介绍了用于程序合成和基于仿真的推理的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• Influence Flower
• ScienceCast
• Siddharth Mishra-Sharma

• 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 →