Skip to content
Hot eventLive

符号回归中系数校准作为选择压力

1 reports1 sources3 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 3 hr ago

LatestOct 9
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。

Timeline

Follow the coverage from different angles.

Oct 9, 2026
  1. 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。

Heat trend

Current heat 9·Comparable peak 10（Oct 9）·Comparable change over 24 hours –

02.557.510Oct9Oct9Oct9Oct9

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.