ViSA-R2 從視覺場域推斷物理解
ViSA-R2 使用模擬物理學家推理的自驗證思考鏈，從二維線性穩態場域視覺化中恢復解析 SymPy 表達式。它引入 ViSA-Bench，一個包含 30 個可驗證情境的合成基準，用於 VLM 評估。基於 8B Qwen3-VL，表現優於開源基準和前沿 VLM。
Search
Tag: #symbolic-regression5 results
SymLang：從噪聲數據發現支配方程
SymLang 是一個新框架，整合對稱約束文法、語言模型引導的程式合成，以及貝氏模型選擇，從噪聲和部分觀測中發現支配方程。它在 10% 噪聲下，對 133 個動力系統達到 83.7% 精確結構恢復率，優於基準 22.4 個百分點。此開源工具將外推誤差降低 61%，並最小化守恆律違反。
程式碼增強LLM符號回歸
新型LLM基演化搜尋框架引入程式化上下文增強，用於符號回歸。它透過程式碼與資料集互動，提取超越MSE的訊號。在LLM-SRBench基準上，效率與準確度優於基準。
🔬
在 LLM 時代，符號迴歸是否已過時？
此討論探討了鑑於 LLM 在程式碼生成能力的快速進步，符號迴歸（SR）是否仍具相關性。它質疑 LLM 是否能取代傳統的 SR 技術來進行模型發現。
PiT-PO Boosts Equation Discovery with RL
PiT-PO uses reinforcement learning to evolve LLMs for symbolic regression, enforcing physical validity and parsimony. It treats LLMs as adaptive generators updated by search feedback. Achieves SOTA on benchmarks and discovers novel turbulence models.