L2G-SR：学习式结构验证器引导LLM符号回归
热点事件持续更新
L2G-SR：学习式结构验证器引导LLM符号回归
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Letian Huang、Xiangyu Wang、Haowei Lin、Di He 等在 arXiv 发布论文，提出 L2G-SR 框架：用学习式结构验证器引导大语言模型符号回归的候选选择与表达式修订，以减少仅靠数值误差导致偏向数值拟合但结构不准确表达式的问题。 方法用树编辑距离（TED）构造结构监督，能处理交换运算符和替代表达式；在目标公式隐藏时，验证器反馈用于候选选择和修订。据论文摘要，在 LLM-SRBench 上、针对所评估的多个 LLM 骨干和领域，L2G-SR 在数值拟合、方程级准确率和 TED 上取得最佳结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月16日 12:00
L2G-SR：利用学习式结构引导改进大语言模型符号回归报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AIL2G-SR：利用学习式结构引导改进大语言模型符号回归
L2G-SR提出一种面向大语言模型符号回归的框架，通过学习式结构验证器引导表达式搜索，减少仅依赖数值误差时偏向数值拟合但结构不准确的候选。方法利用树编辑距离构造结构监督，处理交换运算符和替代表达式，并在目标公式隐藏时将验证器反馈用于候选选择和表达式修订。基于论文摘要，该方法在LLM-SRBench上、针对所评估的多个大语言模型骨干和领域，在数值拟合、方程级准确率和TED方面取得最佳结果。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月16日 16:00
- 近 24 小时变化
- –
02.557.510
16:0017:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。