研究人员开发了一个名为 LLM-SR-UQ 的新框架,以解决大型语言模型指导的符号回归中的不确定性挑战。现有方法通常提供一个最佳方程,但不量化不确定性,这存在问题,因为不同的方程可以相似地拟合数据,但在外插时表现不同。LLM-SR-UQ 保留了竞争方程的结构,并利用它们的差异来表征不确定性,尤其是在外插情况下提高了覆盖率,同时保持了分布内覆盖率。 AI
影响 通过量化不确定性,提高了 LLM 生成的数学模型的可靠性,这对于科学发现和外插至关重要。
排序理由 该集群描述了学术论文中提出的新框架和方法论,重点关注符号回归中的特定问题。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →