智迹闻AuraTracer
EN

EVENT DOSSIER

SMILE:连接连续优化与离散符号恢复

2026-09-07 12:00 科学 🔥 42.2 事件热度
1家信源
1天持续发酵
42.2事件热度
2个提及
摘要由 AI 生成

SMILE 框架通过结合连续梯度优化与离散符号恢复技术,在 SRBench 基准测试中实现了最高的符号解率。该框架包含三个阶段:首先分析数据以识别目标表达式的组合层级结构;其次利用可解释激活函数对编码目标表达式的网络参数进行连续优化;最后通过结构化剪枝、系数优化和取整将网络蒸馏为包含精确符号常数的紧凑表达式。实验表明,SMILE 在最大噪声水平下表现出强鲁棒性,且始终位于精度与复杂度之间的帕累托前沿,能在比竞争方法少的时间段内恢复出显著更简单的表达式。

相关事件RELATED EVENTS
关键实体KEY ENTITIES
SMILESRBench

报道态势 · 每日报道量LANGUAGE SPLIT

实体关系
SMILE × SRBench1

信号强度SIGNALS

关键词热度
  • SMILE1
  • SRBench1

全部报道(1)SOURCES

A arXiv cs.LG en 2026-09-07 12:00

SMILE: Bridging Continuous Optimization and Discrete Symbolic Recovery

SMILE 框架通过结合连续梯度优化与离散符号恢复,在 SRBench 基准测试中实现了最高的符号解率。该框架包含三个阶段:首先分析数据以识别目标表达式的组合层级结构;其次利用可解释激活函数对编码目标表达式的网络参数进行连续优化;最后通过结构化剪枝、系数优化和取整将网络蒸馏为包含精确符号常数的紧凑表达式。实验表明,SMILE 在最大噪声水平下表现出强鲁棒性,且始终位于精度与复杂度之间的帕累托前沿,能在比竞争方法少的时间段内恢复出显著更简单的表达式。