AI 與世界的難題 · 理論資訊科學 · Nature Machine Intelligence · 2026-10-01
大型語言模型發現組合最佳化的互補啟發式演算法
原標題: Large language models discover complementary heuristics for combinatorial optimization
組合最佳化支撐著製造、物流與能源領域的決策,但針對每個新變體設計啟發式演算法,需要專家耗費數月心力,而單次式的大型語言模型程式碼生成往往失敗。LACE 將演算法設計拆分為模式(schema)、工具庫與啟發式組合,接著在執行時間限制內演化出互補的專用啟發式演算法。在 36 個經典 CO-Bench 問題上,其平均得分為 0.945,而先前最強的 LLM 方法為 0.870,直接提示則為 0.571。