#符号回归

给符号回归套了个专用运行框架，同样的 DeepSeek 底座准确率从 62% 拉到 94%，还超过了 Codex，做 AI for Science 的可以看看。

AutoSR把符号回归从找公式变成做研究，9个挑战全部恢复，连3个cp3-bench难题都解决了。

想找能处理噪声数据、还能告诉你不确定性有多大的回归方法？ERRLESS用强化学习从后验里采样表达式，Feynman基准上表现不错，表达式还短。

搞化工的可以看看，它让LLM给符号回归当顾问，找动力学模型最多省近80%的湿实验迭代。

符号回归老被单一大模型提示词卡住，这个A-SR让不同智能体分工盯不同失败信号，准确率从25%拉到48%，还开源蒸馏路子，值得看一眼。

MOT-SR把工具和大模型结合起来找方程，40个任务上又快又准，还能处理引力波轨道建模，挺实用。

ASYS让AI自动去发现偏微分方程的数学结构，比如给Allen-Cahn和Keller-Segel找到了以前没人写出来的公式。搞数学或数值计算的可以看看。

这篇论文提出OrthoReg，解决了混合建模中神经网络容易学走符号部分的问题，实验效果明显，写代码的朋友可以看看。

做材料本构建模或计算力学的团队，终于有了一个既能保证热力学约束又不牺牲可解释性的符号回归工具，值得在实验数据上试试。