研究者发布可分解符号回归规范骨架数据集

研究者 Giorgio Morales 与 Anikó Ekárt 发布了一个单变量规范骨架穷举数据集，通过确定性受限上下文无关文法生成，用于训练神经符号回归（SR）模型。他们称，该数据集可替代结构冗余高、功能覆盖不全的随机采样数据集，并支持可分解 SR 范式求解多元 SR 问题，配套一种不触发数值不稳定的采样策略。 研究者对两个现有神经 SR 数据集做规范化后称，其更紧凑、无结构重复且算子分布均匀。该数据集同时包含一个 150 题基准。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。