两篇新研究论文介绍了用于组合优化问题的自动化启发式设计的高级框架，利用大语言模型（LLMs）来提高性能。ReVEL 利用多轮反思式大语言模型指导和结构化性能反馈，将启发式方法组织成行为感知组，以进行本地化和探索性优化。PathWise 采用多智能体推理系统，结合世界模型和蕴含图，将启发式生成规划为一个顺序决策过程，允许进行状态感知规划和推导信息的重用。这两种方法都证明了在不同大语言模型骨干和问题设置下，能更快地收敛到更好的启发式方法并实现泛化。 AI
影响 这些框架为在复杂优化任务中生成有效的启发式方法提供了更复杂的技术，有可能加速依赖此类问题解决的领域的研究和应用。
排序理由 arXiv 上发表的两篇学术论文介绍了使用大语言模型进行自动化启发式设计的新颖框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2604.04940v2 Announce Type: replace Abstract: Designing effective heuristics for NP-hard combinatorial optimization problems remains challenging and often requires substantial domain expertise. Recent LLM-guided evolutionary methods have shown promise for automated heuristi…
arXiv:2601.20539v3 Announce Type: replace Abstract: Large Language Models (LLMs) have enabled automated heuristic design (AHD) for combinatorial optimization problems (COPs), but existing frameworks' reliance on fixed evolutionary rules and static prompt templates often leads to …