语言模型通过控制搜索引导符号方程发现

科学方程发现必须结合宽广的领域先验与严格的数值检验。符号回归提供数值锚定但面临组合搜索空间——而许多语言模型系统要求模型直接提出或选择公式。我们测试不同的分工。我们比较语言模型充当方程作者、候选决策者或搜索控制器的角色规范——并设端到端语言模型与纯数值基线。在我们提出并实现为LLM-PySR的控制器设定中——语言模型指定变量、算子、变换与搜索深度；符号回归枚举并拟合表达式；确定性度量决定保留。跨74个AI-Feynman方程与七个复杂公式恢复任务——搜索控制取得观察到的最强准确性、复杂度、稳定性与成本平衡。在独立电池数据集上——LLM-PySR识别出早期电压曲线位移与循环寿命之间的紧凑分段线性关系。结果表明语言模型应塑造假设探索——而非决定哪些方程幸存。