AI通过自我对弈发现更优的格约简策略

研究人员开发了一种新颖的格约简策略方法，采用了深度强化学习，特别是带有蒙特卡洛树搜索的AlphaZero风格的自我对弈流程。该方法训练了一个深度残差网络来发现优于传统Lenstra-Lenstra-Lovász (LLL)算法的策略。最终的策略DeltaStar在小型格上训练后，无需重新训练即可泛化到更高维度和未见的模。 AI

影响 AI驱动的更优数学算法发现可以加速依赖复杂计算的领域的进展。

排序理由 该集群描述了一篇在arXiv上发表的研究论文，详细介绍了一种新的AI驱动的格约简策略发现方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• AlphaZero
• arXiv
• CatalyzeX
• DagsHub
• DeltaStar
• Gotit.pub
• Hugging Face
• IArxiv
• Lenstra-Lenstra-Lovász algorithm
• LLL
• Monte Carlo tree search
• ScienceCast

• 论文
• 模型发布

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