PulseAugur
实时 14:52:53
English(EN) AI-Assisted Discovery of Convex Relaxations via Dual Agents

AI 代理发现用于优化常数的凸松弛

研究人员开发了一种新颖的自动研究范式,使用 AI 代理来发现凸松弛,这对于在优化问题中建立下界至关重要。该方法包括一个编码代理提出约束,以及一个理论代理在寻找反例的同时验证这些约束。该系统通过利用严格的区间算术进行验证,成功地改进了两个特定优化常数的认证下界:第一个自相关不等式和 Erdős 最小重叠常数。 AI

影响 这项研究可能导致更有效的方法来建立复杂优化问题中的下界。

排序理由 该项目是一篇学术论文,详细介绍了使用 AI 代理发现凸松弛的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AI 代理发现用于优化常数的凸松弛

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Sungyoon Kim, Mert Pilanci ·

    AI-Assisted Discovery of Convex Relaxations via Dual Agents

    arXiv:2606.31182v1 Announce Type: new Abstract: Recent work shows that LLM agents can improve sharp-constant inequalities by searching for extremal constructions, which yield upper bounds. We address the complementary side: a lower bound holds for every admissible function and fo…