PulseAugur
中
实时 09:19:17
English(EN) Benchmarking Zero-Shot LLM-Generated Parent Selection in Genetic Programming for Symbolic Regression

LLM 在生成遗传编程算子方面展现出潜力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员评估了八种大型语言模型 (LLM) 在符号回归任务中为遗传编程 (GP) 生成有效父代选择算子的能力。研究发现，Claude Sonnet 4.6 和 Gemini 3.1 Pro 等模型表现一致良好，其中 Kimi K2.5 综合的一个算子优于标准的自动选择方法。这些发现表明，LLM 可用于以零样本方式创建具有竞争力的 GP 选择算子，通常通过利用语义理解来指导搜索过程。 AI

影响 展示了 LLM 在零样本合成遗传编程等计算任务中的专业算子的潜力。

排序理由 学术论文，详细介绍了 LLM 在特定计算任务中的新颖应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.NE (Neural & Evolutionary) 阅读 →

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

LLM 在生成遗传编程算子方面展现出潜力

报道来源 [1]

  1. arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · Mengjie Zhang ·

    基准测试零样本LLM生成的遗传编程父代选择用于符号回归

    Parent selection significantly affects exploration, exploitation, and complexity control in genetic programming (GP) for symbolic regression. It is unclear whether large language models (LLMs) can synthesize effective operators in a zero-shot setting without iterative meta-evolut…

相关实体

相关话题