PulseAugur
中
实时 07:26:17
English(EN) LM-GRASP: Instance-Specific Language Models for Combinatorial Construction via Online Imitation Learning

实例特定的语言模型增强组合优化

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了LM-GRASP，一个使用实例特定语言模型进行组合优化任务的新框架。该方法将GRASP元启发式算法的构造阶段重新构建为在线模仿学习问题，为每个特定问题实例从头开始训练一个仅解码器的Transformer模型。与依赖静态启发式规则的传统方法不同，LM-GRASP从其自身的搜索过程中发现的高质量解决方案中学习，无需进行问题特定的特征工程。在Taillard PFSP基准上的评估显示，LM-GRASP在平均完成时间单位上比GPU-GRASP提高了28.4%，表明在线训练的语言模型作为手工工程构造器的实用替代品的潜力。 AI

影响 这种方法可能为各行各业的复杂优化问题带来更有效和适应性强的解决方案。

排序理由 该集群描述了一篇详细介绍使用语言模型进行组合优化的新颖方法的最新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

实例特定的语言模型增强组合优化

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Mohand Mezmaz, Gr\'egoire Danoy ·

    LM-GRASP：通过在线模仿学习实现组合式构建的实例特定语言模型

    arXiv:2607.28135v1 Announce Type: new Abstract: Machine learning for combinatorial optimization typically relies on neural constructors trained via reinforcement learning on large offline datasets for a fixed problem class-incurring high pretraining costs and generalizing poorly …

相关实体

相关话题