L2G-SR：学习结构验证器引导LLM符号回归
热点事件持续更新
L2G-SR：学习结构验证器引导LLM符号回归
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月16日，arXiv Artificial Intelligence 出现由 Letian Huang 等作者提交的论文，提出 L2G-SR 框架，用于基于 LLM 的符号回归，其核心是用学习到的结构验证器引导搜索。该框架通过树编辑距离（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。搜索过程中目标公式被隐藏，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。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现与早先报道矛盾的数字、时间或说法。
AI 根据报道生成 · 1 小时前更新
最新进展10月16日 12:00
L2G-SR：学习引导基于 LLM 的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 Artificial IntelligenceL2G-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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。