EPOCH：以覆盖度为目标的LLM启发式设计新方法
热点事件持续更新
EPOCH：以覆盖度为目标的LLM启发式设计新方法
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Oguzhan Gungordu 等作者提交论文，提出 EPOCH 方法，用于让大语言模型自动设计启发式算法。该方法把实例覆盖度作为演化搜索的目标，并通过经验偏好优化让生成器从自身搜索过程中学习，同时加入反思性自蒸馏项，以提高模型自主生成改进启发式的概率。 作者称，在多种组合优化问题和多个开源 LLM 骨干上，EPOCH 生成的启发式集成效果优于仅推理和微调基线，并能跨问题规模泛化。
AI 根据报道生成 · 1 小时前更新
最新进展10月15日 12:00
EPOCH：面向 LLM 自动启发式设计的覆盖感知演化与经验偏好优化报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv cs.AIEPOCH：面向 LLM 自动启发式设计的覆盖感知演化与经验偏好优化
EPOCH 将实例覆盖度作为演化搜索目标，通过经验偏好优化让生成器从自身搜索中学习，并用反思性自蒸馏（RSD）项提升改进启发式的自主生成概率。该方法在多种组合优化问题和开源 LLM 骨干上，启发式集成效果优于仅推理和微调基线，并可跨问题规模泛化。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。