L2G-SR：学习引导基于 LLM 的符号回归

L2G-SR 是一个基于 LLM 的符号回归框架，用学习到的结构验证器引导搜索，通过树编辑距离（TED）构建结构监督信号并兼容交换律算子和等价表达式形式。搜索时目标公式被隐藏，验证器在父代选择中补充数值误差，分析师再借助验证器反馈和诊断工具提出修改。在 LLM-SRBench 上，该框架在评测的多个 LLM 骨干和领域上取得数值拟合、方程级准确率和 TED 的 SOTA。