symbolic-regression
資料條件化 BERT 導引的符號迴歸：GESR 結合基因編程加速搜尋
符號迴歸旨在從觀測資料自動發現可解釋的數學公式。論文提出 GESR，一種將「基因編輯」概念引入遺傳程式設計（GP）的符號迴歸方法：透過訓練兩個多模態 BERT 模型，分別作為導引突變與導引交叉的「上帝之手」。其作法是將表達式轉為前序序列、對部分符號遮罩，利用 BERT 的遮罩語言模型預測替換符號；
symbolic-regression
符號迴歸旨在從觀測資料自動發現可解釋的數學公式。論文提出 GESR，一種將「基因編輯」概念引入遺傳程式設計（GP）的符號迴歸方法：透過訓練兩個多模態 BERT 模型，分別作為導引突變與導引交叉的「上帝之手」。其作法是將表達式轉為前序序列、對部分符號遮罩，利用 BERT 的遮罩語言模型預測替換符號；
深度分析
本文改寫自 ArXiv 研究，介紹一套以大型語言模型（LLM）為核心的自主科學代理人，能自動選擇方程式形式、撰寫並執行程式、評估與資料的配適度，完成端到端的材料科學理論擬合。作者以 Hall–Petch、Paris law 與 Kuhn 等案例驗證系統表現，發現對於教科書級的經典關係，代理人能可靠回復方程並完成擬合；