实体
LLM-SRBench
LLM-SRBench
PulseAugur coverage of LLM-SRBench — every cluster mentioning LLM-SRBench across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新方法利用大型语言模型和进化技术增强神经符号回归
研究人员正在开发新的神经符号回归方法，这是一种旨在从数据中发现显式科学定律的技术。EditSR采用了一个包含神经模型和基于编辑的校正器的两层框架，以提高效率和准确性，尤其是在处理复杂表达式时。FunctionEvolve采用了一个包含表达式树和大型语言模型的进化框架来指导符号回归的搜索，在基准任务上取得了高精度。可分解神经符号回归结合了Transformer模型、遗传算法和遗传编程，以生成与原始数学结构匹配的可解释多元表达式。
-
新AI方法增强符号回归以促进科学发现
研究人员开发了新的符号回归方法，这是一种用于从数据中发现数学表达式的技术。一种方法是程序化上下文增强（Programmatic Context Augmentation），它通过允许基于代码与数据集的交互来提取超越简单评估指标的更丰富信号，从而增强了基于LLM的进化搜索。另一种方法是深度变分推理符号回归（DVISR），它通过引入变分贝叶斯原理来推断候选表达式及其常数的后验分布，从而量化不确定性，扩展了深度符号回归。第三篇论文提出了一种…