PulseAugur
实时 19:02:11
English(EN) Streamlined Constraint Reasoning via CNN Pattern Recognition on Enumerated Solutions

CNN和LLM通过新颖的流线器发现加速约束编程

研究人员开发了一种新颖的方法,通过利用卷积神经网络(CNN)和大型语言模型(LLM)来发现约束编程中的流线器约束。该方法包括枚举解、训练CNN识别这些解中的模式,然后使用LLM将这些模式转化为有效的流线器约束。该流程在基准问题上展示了显著的性能改进,在船舶装载、社交高尔夫球手和黑洞等任务上实现了大幅的时间缩减和几何平均加速。 AI

影响 引入了一种新颖的混合方法,结合了CNN和LLM,以显著提高约束编程任务的性能。

排序理由 该集群包含一篇详细介绍约束编程新方法的学术论文。[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 →

CNN和LLM通过新颖的流线器发现加速约束编程

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Patrick Spracklen ·

    通过CNN模式识别枚举解进行流线型约束推理

    Constraint programming practitioners accelerate hard problems through a layered set of techniques applied in order of risk. Standard hardening (symmetry-breaking and implied constraints) is applied first and preserves satisfiability. Streamliner constraints, which restrict search…