利用符号回归为决策树发现更大类别的分割
Utilizing Symbolic Regression to discover a larger class of splits for Decision Trees
📝 此实体档案待补充。下方仅展示卡片基本信息与外部链接。
数据来源
- AI Singapore — 访问于 2026-07-12
同属「🔬 基础研究」
A*STAR
新加坡科技研究局，AI 基础研究与应用研究主力
NUS
新加坡国立大学，AI 研究排名亚洲前列。2024.3 成立 NUS AI Institute，整合基础 AI、应用 AI 及社会影响研究
NTU
南洋理工大学，AI 与数据科学研究重镇
SMU
新加坡管理大学，AI 在商业与社会应用
SUTD
新加坡科技设计大学，AI 与设计交叉创新
AI新加坡与美国NSF研究人员的研究合作项目
该项目由南洋理工大学张捷教授领导，与美国麻省理工学院合作，致力于开发可信任、可解释的人工智能-人类交互优化系统。研究重点是建立自然语言作为组合优化问题的鲁棒接口，使AI系统能够从人类语言中制定优化问题、进行强大的AI辅助优化，并提供可解释的反馈。该项目旨在为物流、制造、金融等行业提供高效的决策支持工具，同时推进可信任AI的基础研究。
PINNACLE：PINN 自适应配置点和实验点选择方法
PINNACLE 是一种自适应点选择方法，用于改进物理信息神经网络(PINN)的训练效率。该方法基于经验神经切线核理论，能够自动联合优化所有类型训练点的选择，包括实验点和配置点，在前向问题、反演问题和迁移学习等多个任务中显著超越现有基准方法。
BadEdit：通过模型编辑对大语言模型进行后门注入
AI Singapore 研究团队提出 BadEdit 框架，这是一种创新的后门注入方法，通过直接修改模型参数来对预训练大语言模型进行高效的后门攻击。该方法仅需 15 个数据样本和 120 秒即可成功注入后门，攻击成功率接近 100%，同时保持对清洁数据的最小副作用。BadEdit 相比传统权重中毒方法的优势在于数据需求少、效率高，适用于多种任务领域包括文本分类、事实核查和对话情感生成。