面向可分解符号回归的穷举规范骨架数据集发布

研究者发布了一个通过确定性受限上下文无关文法生成的单变量规范骨架穷举数据集，用于训练神经符号回归（SR）模型，以替代结构冗余高、功能覆盖不全的随机采样数据集。该数据集支持可分解 SR 范式求解多元 SR 问题，并配套一种不触发数值不稳定的采样策略；对两个现有神经 SR 数据集做规范化后显示其更紧凑、无结构重复且算子分布均匀。