标签
提出 Dirichlet-Sinkhorn Constant Averaging（DSCA）校准策略，通过在不同协变量分布的数据子集上独立校准候选表达式并取参数均值，为符号回归的进化搜索提供额外的选择压力，从而提升函数恢复精度与复杂度之间的权衡。
该论文研究使用大型语言模型作为事后审核工具，以评估符号回归模型的可解释性和医学合理性，临床医生评估表明，比较性模型排名比单项解释更受欢迎。
InsightSR是一个利用大语言模型来优化符号回归搜索空间的框架，通过迭代的语义和结构指导提高准确性和物理一致性。
本文提出了一种自适应保护机制，用于符号回归中的进化特征构建，旨在进化过程中保留重要的构建特征，并在回归基准测试和信用分类任务中展示了性能提升。
介绍了ELMER，一种进化语言模型，它搜索自然语言策略描述并将其编译成可执行程序，使用经直接偏好优化微调的Qwen3-8B来控制变异强度并提高搜索效率。
GP_ELITE是一个基于遗传编程的符号回归纯Python库，能够从小型实验数据集中发现可解释的数学公式。0.2.0版本引入了莱文贝格-马夸尔特常数拟合、多重重启可靠性、帕累托前沿输出以及外推模式。
本文介绍了极简遗传编程（Minimalist Genetic Programming, MGP），一种新颖的算法，它用受语言学中最简方案启发的句法推导过程取代了进化，并使用 MERGE 算子来构建符号表达式。MGP 在符号回归任务中能够一致地找到精确的真实模型，而标准 GP 由于膨胀问题难以做到这一点。
本论文证明了在代码上训练的大型语言模型可以显著增强遗传编程的变异算子，使得能够在 Sodarace 领域中生成数十万个功能性 Python 程序用于机器人设计，且无需预训练数据。该方法称为演化通过大型模型（ELM），将 LLM 与 MAP-Elites 相结合，为上下文特定的制品生成引导新的条件模型。