PySR v2.0 发布：高性能符号回归工具寻找数学规律
MilesCranmer · x · 2026-08-20
PySR v2.0 即将发布，现提供 Beta 版本下载。PySR 是一个基于 Python 和 Julia 的高性能符号回归库，其目标是从数据中拟合出可解释的数学表达式，而非黑盒模型。
主要特性：
- 可解释性：发现人类可读的数学公式，而非黑盒神经网络。
- 高性能：经过多年优化的并行进化算法。
- 高度可定制：支持自定义算子、损失函数、复杂度及优化器。
- 生态集成：支持“符号蒸馏”(Symbolic Distillation)，可用于将神经网络解析为解析方程，从而解释深度学习模型（例如在 N-body 问题中的应用）。
该工具不仅适用于低维数据集的科学发现，也能作为解释深度模型的辅助手段。
「研究」频道最新
- 推出 SAI Arena，旨在解决 AI 验证系统的评测瓶颈 — ChenhaoTan · 2026-08-20
- 用域随机化解决 Sim-to-Real 转移难题 — ShawnHymel · 2026-08-20
- AI 驱动“运动药丸”通过首个人体测试，改写药物发现 — TansuYegen · 2026-08-20
- Melanie Mitchell：AI 是一种需要新测量方法的“外星智能” — MelMitchell1 · 2026-08-20
- Humyn Labs：将人类经验转化为具身智能训练数据 — kimmonismus · 2026-08-20
- OpenMaMMUT 开源模型集合：含 DataComp 与 Re-LAION 权重 — wightmanr · 2026-08-20