摘要
符号回归旨在发现描述数据集的最佳数学表达式，是科学发现的关键挑战。传统方法受限于可扩展性，而现有基于大语言模型（LLM）的进化搜索仅依赖标量评估指标，忽略了数据集中的丰富信息。为此，本文提出一种融入程序化上下文增强的新型 LLM 进化搜索框架。该方法通过代码与数据交互，主动执行数据分析并提取深层信号，超越聚合评分。在 LLM-SRBench 等基准测试中，该框架展现出优于强基线方法的效率与准确性。
AI 推荐理由
论文提出基于 LLM 的进化搜索框架，核心在于改进符号回归中的自我进化与反馈机制。
研究机构
Caltch
Nanjing University
University of Texas at Austin
University of Michigan
论文信息