标签
该论文提出 Continuum-LM，将预训练残差变换复用为连续深度语言模型中的动力学算子，通过 ODE 数值积分控制计算量，在八项科学任务上较离散基线分别在 0.6B 和 1.7B 规模提升 7.77 和 10.96 个百分点的平均准确率。
本文介绍了MEDA，一个由LLM和符号回归驱动的代理框架，用于自动发现生物动态系统的常微分方程（ODE）模型。它检索背景知识，提出候选ODE，并在典型模型检索、外推和开放式发现任务中评估这些模型，展示了强大的结构恢复能力和生物学上合理的模型。
PyCC.id 是一个 Python 库，用于从时间序列数据中进行假设驱动的方程发现，利用结构可辨识性来帮助筛选候选模型。
本文介绍了 DoLQ，这是一个多智能体框架，利用大语言模型执行定性和定量评估，从而从观测数据中发现常微分方程。