L2G-SR：通过学习引导基于 LLM 的符号回归

研究人员提出基于大语言模型的符号回归框架 L2G-SR，通过学习得到的结构验证器引导公式搜索。该框架利用树编辑距离（TED）构建结构监督信号，使验证器在搜索时补充数值误差以协助父代选择，再由分析器与生成器提出修改并精炼表达式。在评测基准 LLM-SRBench 上，L2G-SR 在不同 LLM 基座和测试领域中均取得了 SOTA 的数值拟合度、方程级准确率与 TED 表现。