AI اور دنیا کے مشکل مسائل · نظریاتی کمپیوٹر سائنس · arXiv · 2026-10-21

OptScientist: آپٹیمائزیشن قوانین کی خودکار دریافت

اصل عنوان: OptScientist: Automated Discovery of Optimization Laws

بہت سے سائنسی مظاہر کو بنیادی آپٹیمائزیشن مسائل کے نتائج کے طور پر بہترین انداز میں سمجھا جا سکتا ہے، تاہم خودکار سائنسی دریافت نے زیادہ تر ان مساواتوں کی بازیابی پر توجہ دی ہے جو مشاہدہ شدہ ان پٹ-آؤٹ پٹ پیٹرنز کو بیان کرتی ہیں۔ OptScientist ڈیٹا سے براہِ راست مختصر علامتی (symbolic) آپٹیمائزیشن قوانین دریافت کرتا ہے؛ اس میں ایک ایسا ماڈل اور ایک LLM ایجینٹک سسٹم یکجا ہوتے ہیں: ماڈل ڈیٹا کو بطور آپٹیمائزیشن مسئلہ پیش کر کے اور اس کی علامتی شکل نکال کر علامتی آپٹیمائزیشن مسائل کا استنباط کرتا ہے، جبکہ LLM ایجینٹک سسٹم ادب سے حاصل نظریاتی priors کو ضم کرتا ہے، امیدوار قوانین دریافت کرتا ہے، اور جمع کرنے کے لیے نیا ڈیٹا تجویز کرتا ہے۔ یہ OptFeynman بینچ مارک کے 99 فزکس سے ماخوذ مسائل میں سے 80% سے زیادہ کے لیے درست (ground-truth) قوانین بازیافت کرتا ہے اور شور والے سیاق کے باوجود مضبوط رہتا ہے، اور انسانی رسکی انتخاب (risky choice) اور مرکزی بینک کی مالیاتی پالیسی پر یہ ایسے مختصر قوانین تلاش کرتا ہے جو کم پیرامیٹرز اور LLM بیس لائنز سے کہیں کم tokens استعمال کرتے ہوئے held-out پیشن گوئی کی کارکردگی میں سرکردہ بیس لائنز کے مقابل مسابقتی ہوتے ہیں۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →