EditSR은 신경 기호 회귀(neural symbolic regression)의 1패스 자기회귀 디코딩에서 발생하는 오류 누적 문제를, 전역 탐색을 재시작하지 않고 편집 기반 교정기로 사후 수정하는 2계층 프레임워크다. 1계층은 신경 기호 회귀 모델로 효율적 예측을, 2계층은 사전학습된 Rectifier로 잘못된 수식을 단계별 상태 전이 체인을 따라 교정한다. 각 편집 행동을 구문적으로 유효한 공간으로 제한해 모든 중간 수식이 파싱 가능하도록 보장하고, 편집 결정이 이력이 아닌 현재 상태에 조건화돼 앞 단계 오류를 이후 편집이 바로잡을 수 있다. 실험과 절제 연구 결과 적은 추가 비용으로 기호 구조 복원 성능을 크게 높였으며, 오류 누적이 심한 복잡한 수식에서 이득이 더 두드러졌다.

• •신경 기호 회귀의 1패스 디코딩 오류 누적을 전역 탐색 재시작 없이 해결하는 2계층(예측+편집 교정) 프레임워크
• •교정 과정을 잘못된 수식에서 시작하는 단계별 상태 전이 체인으로 정식화하고 지도학습용 교정 체인을 구성해 Rectifier 사전학습
• •편집 행동을 구문적으로 유효한 공간으로 제한해 모든 중간 수식의 파싱 가능성 보장
• •편집이 현재 상태에 조건화돼 앞 단계 오류를 이후 단계가 교정, 오류 누적 위험 감소
• •적은 추가 비용으로 기호 구조 복원 향상, 복잡한 수식에서 이득이 더 큼