★ 4
MAGE：多模态智能体框架自动发现偏微分方程
提出MAGE框架，组织偏微分方程发现为置信度驱动的假设验证循环，四个智能体协作。在标准PDE套件上实现精确结构恢复，系数误差大幅降低。
arXiv cs.AI63 天前
#符号回归
共 10 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
用 Transformer 合成物理公式
论文针对符号回归中 Transformer 易过拟合、外推能力差的问题，通过塑造训练用公式集合提升外推表现，并用噪声目标值微调增强鲁棒性。在 SRBench 与 LLM-SRBench 上约十秒合成公式，外推优于所有同预算方法。搜索类方法需多出一到三个数量级时间才能超越其精度。
arXiv cs.LG27 天前
★ 3
MOSAIC-SR：Transformer 引导的符号回归
论文提出 MOSAIC-SR，用预训练 Transformer 生成多个初始表达式草图，为搜索提供有希望的起点，避免在巨大表达式空间中随机初始化。每个搜索结合尺度感知常数优化与局部符号修复，在 SRSD-Feynman 等数据集上取得最高符号解率，且在存在无关变量时仍保持优势。
arXiv cs.LG42 天前
★ 3
科学智能体HER-PDE发现偏微分方程
HER-PDE是一个科学智能体框架，用于发现异质介质中的偏微分方程结构及非参数系数场。在五个受控二维系统中，该智能体均恢复生成算子，系数场中位Pearson相关约0.85。智能体引导的假设细化可恢复异质控制律。
arXiv cs.AI63 天前
★ 2
研究揭示神经 PDE 发现中的阈值兼容与支撑集选择诊断问题
论文针对神经网络偏微分方程发现中的中位数/标准差阈值，推导出精确的双信号保留边界与扰动界。实验表明即使系数恢复精确，平流扩散库仍会丢失扩散项，真实支撑集重拟合也无法恢复全部导数精度。作者提出有限诊断以区分阈值不兼容、重拟合损伤与评分拒绝。
arXiv cs.LG3 天前
★ 2
PySR 开源符号回归工具支持 Python 与 Julia
PySR 是一个开源符号回归工具，底层由 Julia 库 SymbolicRegression.jl 驱动，可在 Python 中调用。它通过符号蒸馏将神经网络转化为解析方程，提升深度神经网络的可解释性。
Hacker News12 天前
★ 2
L2G-SR：用学习到的结构验证器引导 LLM 符号回归
论文提出 L2G-SR，用基于树编辑距离（TED）训练的结构验证器引导 LLM 符号回归搜索，弥补仅靠数值误差会偏向精确代理式而忽略正确结构的不足。验证器先对齐数值观测与公式，再为候选公式的结构相似度打分，并在父代选择中补充数值误差。在 LLM-SRBench 上，该方法在数值拟合、方程级准确率和…
arXiv cs.AI17 天前
★ 2
arXiv 论文提出符号密度估计框架，用深度生成模型结合符号回归
该论文提出一个从观测样本中估计未归一化分布符号表达式的框架，将深度生成模型（流模型、基于分数的模型）与符号回归结合，并引入因子分解等归纳偏置。在 XY 模型与 φ⁴ 理论格点实验中，该方法能直接从样本估计重整化问题中不同尺度的哈密顿量紧凑符号近似。
arXiv cs.LG24 天前
★ 2
LLM作为符号回归生理合理性的事后审计者
研究探索LLM能否帮助提升进化计算生成的符号回归模型的可解释性，以体脂率估计为案例。三个LLM对四个符号表达式进行三轮解读与排序，由三位临床医生评估。结果显示比较性模型排序比孤立的术语级解读获得更正面评价，但LLM也产生生理与数学上存疑的解释，说明其更适合在专家监督下做比较性审计而非自主验证。
arXiv cs.AI51 天前
★ 1
符号回归中系数校准作为选择压力
论文指出模因符号回归中系数校准协议本身参与进化选择，集中式校准忽略协变量偏移下的稳定性。提出 Dirichlet-Sinkhorn 常数平均（DSCA），在异构子集上独立校准并取参数均值，在合成基准与十个真实数据集上改善函数恢复与精度-复杂度权衡。
arXiv cs.LG24 天前