研究人员开发了一种新的方法，使用深度强化学习来发现更优的Lenstra-Lenstra-Lovász (LLL)算法策略，LLL算法是计算机科学中格基规约的基本工具。通过将格规约视为马尔可夫决策过程，并采用类似AlphaZero的自我博弈流程结合蒙特卡洛树搜索，他们训练了一个名为DeltaStar的策略。这种使用低维格开发的新策略比传统的LLL算法需要更少的操作，并且在无需重新训练的情况下，能够零样本泛化到更高维度和未见的模。 AI
影响 这项研究可能为密码学和其他依赖格规约的领域的算法带来更高的效率。
排序理由 该集群描述了一篇新研究论文，该论文发布在arXiv上，详细介绍了一种新颖的AI驱动方法，用于发现改进的算法。
在 Hugging Face Daily Papers 阅读 →
- alphaXiv
- AlphaZero
- arXiv
- CatalyzeX
- DagsHub
- DeltaStar
- Gotit.pub
- Hugging Face
- IArxiv
- LLL
- Monte Carlo tree search
- ScienceCast
- deep reinforcement learning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
