研究人员推出了一种名为图基础模型（GFM）的新型框架，旨在解决图结构上的基于距离的优化问题。通过借鉴大型语言模型中使用的自监督预训练范式，GFM从图路径中学习可泛化的表示。这种方法使GFM能够内化图的组合规则，从而能够以具有竞争力的性能和比专用求解器快得多的推理时间来应对各种优化挑战。 AI
影响 为将基础模型创新应用于运筹学和图优化问题建立新范式。
排序理由 介绍图优化新模型/框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2509.24256v2 Announce Type: replace-cross Abstract: The pretrain-transfer paradigm, which underpins the success of large language models (LLMs), has demonstrated the immense power of creating foundation models that learn generalizable representations from vast datasets. How…