arXiv · cs.AI · Mostafa Cham, Bayu Adhi Tama, Jianwu Wang · 10 小时前模型评分36
大语言模型（LLM，Large Language Model）-SR-UQ：面向大语言模型引导符号回归外推的结构不确定性框架
Know When the Equation Is Wrong: Structural Uncertainty for LLM-Guided Symbolic Regression under Extrapolation
导读
研究团队提出 大语言模型（LLM，Large Language Model）-SR-UQ 框架，通过保留多个候选方程结构并利用它们之间的分歧来刻画函数形式的不确定性。在 LLM-SRBench 数据集上，标准保形区间在分布内覆盖达标，但在外推时经常失效；该框架扩展固定宽度保形方法以量化结构区间，显著提升外推覆盖并保持分布内覆盖，还可推广到其他符号回归方法。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
应用领域：科学研究
事件类型：研究发布
证据摘录
- “To tackle this challenge, we introduce LLM-SR-UQ, a framework that retains competing equation structures and uses their disagreement to characterize uncertainty about the underlying functional form.”
来源：arXiv · cs.AI · arxiv.org