研究人员开发了 ATLAS，一个使用大型语言模型 (LLM) 进行无支架算法合成的新颖框架。与先前在固定结构内进行优化的方法不同，ATLAS 允许 LLM 为组合优化问题自由选择和重构组件及控制流。该系统采用错误检测、修复和基于相似性的存档管理来处理扩大的搜索空间并防止过早收敛。在四个 NP-hard 问题上，ATLAS 的性能优于现有的组件合成方法和基线全合成方法，同时与人类设计的算法相比仍具有竞争力。 AI
影响 这项研究展示了一种 LLM 生成复杂算法的新颖方法，有可能加速自动化软件开发和优化领域的解决问题。
排序理由 该集群描述了一篇在 arXiv 上发表的研究论文，其中详细介绍了一种使用 LLM 进行算法合成的新方法。
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2608.15546v1 Announce Type: new Abstract: Most LLM-based automated algorithm design methods optimize a designated component within a human-specified scaffold, fixing overall organization and component interactions. We present ATLAS, an embedding-guided quality-diversity fra…
Most LLM-based automated algorithm design methods optimize a designated component within a human-specified scaffold, fixing overall organization and component interactions. We present ATLAS, an embedding-guided quality-diversity framework for scaffold-free full-algorithm synthesi…
Most LLM-based automated algorithm design methods optimize a designated component within a human-specified scaffold, fixing overall organization and component interactions. We present ATLAS, an embedding-guided quality-diversity framework for scaffold-free full-algorithm synthesi…