实体
0-1 knapsack problem
0-1 knapsack problem
PulseAugur coverage of 0-1 knapsack problem — every cluster mentioning 0-1 knapsack problem across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新框架详细说明了图神经网络可以学习的算法
研究人员开发了一个理论框架，用于理解图神经网络（GNN）在学习离散算法方面的能力。该框架确立了GNN，特别是消息传递神经网络（MPNN），可以从小型训练集中学习算法并泛化到更大输入的条件。研究确定了单源最短路径和最小生成树等算法可被MPNN学习，同时也证明了标准MPNN无法学习某些其他算法任务。该工作进一步提出了更具表现力的MPNN类架构来克服这些限制，并改进了Bellman-Ford算法的分析，减少了所需的训练数据。
-
新框架优化交通管理基础模型部署
一篇新论文介绍了基础模型部署组合（FMDP）问题，该问题解决了交通管理中心如何最优部署各种基础模型（如LLM和VLM）的问题。FMDP问题旨在满足共享GPU资源上的质量、延迟和安全约束的同时，最小化总拥有成本。研究人员开发了一种贪婪启发式算法来解决这个NP-hard问题，并在一个案例研究中表明，与全闭源API模型组合相比，开源模型和闭源API模型混合组合可以显著降低成本。