arXiv cs.AI· Zhuoliang Xie, Changliang Zhou, Genghui Li, Zhenkun Wang·· 3 小时前AI 评分24
MECo：基于 LLM 多任务进化实现零样本跨问题泛化
Multi-Task Evolution for Zero-Shot Cross-Problem Generalization using LLMs
AI 导读
研究者提出 MECo，一个由 LLM 驱动的多任务进化框架，用于零样本跨问题泛化，通过任务条件化启发式种群和基于跨任务种群表现的迁移差距引导启发式迁移与重组。在 VRP 和 FJSP 的 32 个问题变体上，MECo 在相同预算下平均成本低于八种自动化启发式设计（AHD）基线，并在域外问题上优于各家族最强基线。该框架与不同 AHD 方法结合还能提升其 ID 和 OOD 表现。
来源：arXiv cs.AI · arxiv.org