English(EN) Coupled Harness--Model Evolution for Scientific Equation Discovery

大型语言模型演化科学方程发现的工具和策略

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-15 04:00

研究人员开发了一个使用大型语言模型（LLMs）进行科学方程发现的新框架。该系统将计算工具的演化与LLM的工具使用策略相结合，使两者都能从相同的错误信号中得到改进。工具演化阶段使代理能够通过诊断和纠正自身的失败来扩展其可执行工具库，而策略演化阶段则在成功的工具使用轨迹上对LLM进行微调。这种集成方法显著提高了模型解决复杂科学问题的能力，在各种基准测试中取得了高精度。 AI

影响该框架通过使LLM能够更有效地发现和利用计算工具，有望加速科学发现。

排序理由该条目是一篇学术论文，详细介绍了使用LLM进行科学发现的新框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是一篇学术论文，详细介绍了使用LLM进行科学发现的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Pengze Li, Jiaquan Zhang, Encheng Su, Yunbo Long, Zihang Zeng, Xinping Liu, Han Zhang, Junchi Yu, Shixiang Tang, Aoran Wang, Xi Chen · 2026-10-15 04:00

耦合式模型演化用于科学方程发现

arXiv:2610.17740v1 Announce Type: new Abstract: Large language models (LLMs) are increasingly used to discover scientific equations from experimental data. Such a discovery system has two parts that must work together: a library of executable computational tools and the model's t…

本文如何被排名

报道来源 [1]

耦合式模型演化用于科学方程发现

相关实体

相关话题