English(EN) An Evolutionary Framework for Automatic Optimization Benchmark Generation via Large Language Models

大型语言模型驱动的自动优化基准生成新演化框架

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

研究人员开发了一个利用大型语言模型（LLMs）自动生成优化基准的演化框架。这个由LLM驱动的演化基准生成器（LLM-EBG）旨在克服现有的人工基准的局限性（这些基准通常无法代表真实世界问题的复杂性）以及创建真实世界基准的高成本。该框架利用LLM作为演化算子，在灵活的表示空间内创建和改进基准问题。在一项案例研究中，LLM-EBG成功生成了在80%以上的时间里，遗传算法始终优于差分进化算法的问题，证明了该框架能够创建具有特定几何特征、为特定优化算法量身定制的问题。 AI

影响该框架通过提供针对特定算法行为量身定制的、多样化且具有挑战性的基准，有望加速优化算法的开发和评估。

排序理由该集群描述了一篇研究论文，其中详细介绍了一个使用LLM进行基准生成的新颖框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇研究论文，其中详细介绍了一个使用LLM进行基准生成的新颖框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Yuhiro Ono, Tomohiro Harada, Yukiya Miura · 2026-09-10 04:00

大型语言模型通过自动优化基准生成演进框架

arXiv:2601.12723v3 Announce Type: replace-cross Abstract: Optimization benchmarks play a fundamental role in assessing algorithm performance; however, existing artificial benchmarks often fail to capture the diversity and irregularity of real-world problem structures, while bench…

本文如何被排名

报道来源 [1]

大型语言模型通过自动优化基准生成演进框架

相关实体

相关话题