热点事件持续更新
符号回归中系数校准作为选择压力
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月9日，arXiv Machine Learning Theory发表一手论文，提出系数校准如何成为符号回归中的选择压力。论文引入Dirichlet-Sinkhorn Constant Averaging（DSCA）校准策略：将优化数据按不同协变量分布划分为等大小子集，在每个划分上独立校准候选表达式，并以参数均值进行评估，从而改变符号回归中的进化选择压力。目前报道仅涉及该方法的基本思路，未见后续验证或对比结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
论文提出DSCA校准策略，按协变量分布划分子集独立校准并以均值评估，以改变选择压力。报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv · Machine Learning Theory系数校准如何成为符号回归中的选择压力
论文提出 Dirichlet-Sinkhorn Constant Averaging（DSCA）校准策略，将优化数据按不同协变量分布划分为等大小子集，在每个划分上独立校准候选表达式并以参数均值评估，以改变符号回归中的进化选择压力。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。