LLM-SR

用大模型从数据中自动发现科学方程,告别手动推导。

LLM-SR 是一个基于大型语言模型的科学方程发现与符号回归工具,源自 ICLR 2025 Oral 论文。它解决传统符号回归方法在复杂科学数据中难以发现简洁数学表达式的问题,核心能力是利用 LLM 的语义理解与生成能力,将数据模式转化为可解释的数学公式。项目提供完整的训练与推理代码,支持自定义数据集,能够从数据中自动发现物理定律或科学方程,显著提升符号回归的准确性与泛化能力。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 273
维护状态 低维护
是否开源
定价模式 free

项目数据

分类开源模型
开发团队deep-symbolic-mathematics
所属国家
官网地址
定价模式free
价格说明开源项目,MIT许可证,完全免费,可自行部署使用。
访问状态
是否开源
开源协议MIT
主要语言Python
技术栈/模型ai4code,ai4math,ai4science,equation-discovery,large-language-models,llm-agent,program-synthesis,scientific-discovery,symbolic-regression
GitHub 星标★ 273
30天Star增速
HF 下载量
上线时间2024-04-19 00:00:00
最近更新2026-09-08 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数3

使用教程

核心亮点

  • ICLR 2025 Oral 背书,方法创新性强,学术价值高
  • 支持自定义数据集,可扩展至多领域科学发现
  • 代码开源,提供训练与推理全流程,易于复现

不足之处

  • 早期项目,文档与社区支持待观察
  • 依赖 LLM 推理,计算资源需求较高

适用场景

  • 物理定律自动发现
  • 化学/生物方程拟合
  • 科研数据符号回归

替代项目

PySR、Eureqa、SINDy

项目介绍

LLM-SR 是模型训练领域的开源项目,由 deep-symbolic-mathematics 开发,2024 年首次发布。

它收录于模型训练分类,该分类目前共有 518 个项目,GitHub 星标数为 273。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-08。MIT许可证,完全免费,可自行部署使用。

它主要面向的使用场景是:物理定律自动发现。同类可对比的替代方案包括 PySR、Eureqa、SINDy。

上一篇:GEPA-Lite

下一篇:SepLLM

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列,训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性,长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型,练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型,推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13