PulseAugur
中
实时 20:35:53
English(EN) MOSAIC: Adversarial Co-evolution of Specialist Heuristics and Problem Instances for LLM-based Automated Heuristic Design

LLM协同进化启发式方法和问题实例以进行优化 · 跟踪3个来源

作者 PulseAugur 编辑部 · [3 个来源] ·

研究人员开发了两个新颖的框架，MOSAIC和ACEvo，它们利用大型语言模型（LLM）来自动化组合优化问题中的启发式设计。这些系统通过对抗性地协同进化问题实例和启发式求解器，创建动态评估环境，从而突破算法性能的界限。与静态训练方法不同，MOSAIC和ACEvo生成具有挑战性的实例，暴露求解器的弱点，从而产生更强大、更专业的启发式方法。由此产生的启发式方法组合在性能上持续优于现有的基于LLM的自动化启发式设计方法，并实现了对问题实例特征更广泛的覆盖。 AI

影响 这些框架可以加速为复杂优化任务开发高度专业化的AI代理。

排序理由 该集群包含两篇研究论文，详细介绍了使用LLM进行自动化启发式设计的新颖框架。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →

LLM协同进化启发式方法和问题实例以进行优化 · 跟踪3个来源

报道来源 [3]

  1. arXiv cs.AI TIER_1 English(EN) · Oguzhan Gungordu, Siheng Xiong, Faramarz Fekri ·

    MOSAIC：LLM驱动的自动化启发式设计中的专家启发式与问题实例的对抗性协同进化

    arXiv:2608.07544v1 Announce Type: cross Abstract: Automated heuristic design (AHD) with large language models (LLMs) has produced strong heuristics for combinatorial optimization problems (COPs). Yet existing frameworks optimize for average performance on a small fixed dataset an…

  2. arXiv cs.AI TIER_1 English(EN) · Ruibo Duan, Yuxin Liu, Haoran Ye, Xinyao Dong, Zhiqiang Xu, Chenglin Fan ·

    ACEvo：组合优化问题分布与求解器的对抗性协同进化

    arXiv:2506.02594v2 Announce Type: replace Abstract: Large language models (LLMs) are increasingly used to synthesize heuristic programs, yet most existing pipelines optimize solvers against fixed benchmark distributions. This static setup can obscure solver weaknesses and limit u…

  3. arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · Faramarz Fekri ·

    MOSAIC：LLM驱动的自动化启发式设计中的专家启发式与问题实例的对抗性协同进化

    Automated heuristic design (AHD) with large language models (LLMs) has produced strong heuristics for combinatorial optimization problems (COPs). Yet existing frameworks optimize for average performance on a small fixed dataset and steer the search with "verbal gradients" distill…

相关实体

相关话题