- 物理符号优化
我们提出了一个框架来约束自动顺序生成方程式以通过构造符合量纲分析规则。结合增强学习，我们构建了 Phi-SO，一种从物理数据中恢复分析函数的物理符号优化方法，利用单位约束。我们的符号回归算法在已知物理单位的情况下取得了最先进的结果，在存在噪 - 探索方程作为更好的数值推理中间意义表示
使用数学公式作为中间意思表示（IMR）方法，通过减少程序和生成常数表达式的倾向，来提高大型语言模型（LLMs）生成数学公式的准确性，取得了 2.2%、0.9% 和 1.7% 在 GSM8K、SVAMP 和代数数据集上的性能提升。
- 从零到英雄：用极其复杂的数学说服
提出一种名为 zero2hero 的算法，基于大型语言模型，该算法使得包含了简单数学的 LaTeX 文档的每个公式都变得极为复杂，从而提高论文的复杂度，提高风评和被接受的概率。
- EMNLP串联同时思考进行数字推理
本文提出了一种名为 CANTOR 的数值推理算法，在不预定义解码依赖关系的情况下同时生成多种推理步骤，并比较并链接相关步骤以达到求解问题的目的。
- 多视角推理：一种用于数学题的一致性对比学习
提出了一种多视角一致性对比学习方法，用于数学语义到方程的映射，在多粒度上对两种推理视角进行兼容，提高全局生成和精确推理。
- EMNLP基于常识知识图谱和方程式的数学应用题生成
本研究提出了一种通过神经网络模型从常识知识图谱和方程式中生成多样化数学单词问题的方法，并在教育评估方面表现出优越性，其中自规划模块实现了方程和常识知识信息的自动融合。
- 针对句法引导综合问题的无法实现性证明的精确和近似方法
该研究考虑了自动确定给定语法引导综合（SyGuS）问题无法实现的问题，并提出了一种基于方程组求解的方法来证明 SyGuS 问题在有限的示例集上无法实现，研究在 LIA 和 CLIA 上的应用，并开发了一个名为 Nay 的工具，可在可接受的时 - ACL数量标注器：一种隐变量序列标记方法用于解决加减法文字问题
该论文介绍了一种新方法 Quantity Tagger，用于解决算术问题，通过对数量打标签以自动发现隐藏的数学关系，进而生成方程以寻找解，并在两个数据集上相比之前的方法，分别取得了 5 和 8 点的准确率改进。
- word2vec 解释：从 Mikolov 等人的负采样词嵌入方法中推导
本文旨在解释 Tomas Mikolov 等人在论文 “Distributed Representations of Words and Phrases and their Compositionality” 中的第四个方程（负采样），该论 - Monge-Ampère 方程及其与最优输运的联系
对蒙格安培方程的 (旧的和新的) 正则性理论进行调查，展示其与最优输运的联系，并描述了在此情境下出现的一类蒙杰安培类型方程的正则性特性。
- 因果推理的公理化
本研究对 Pearl 所定义的一类以方程集合为定义的因果模型进行了公理化处理，提供了三个逐步更广的因果模型类别的公理化，并探讨了推理每个类别的语言和复杂度。