כתבה
arXiv cs.LG ·
FunL2O: עיצוב פונקציית מאפיינים בהדרכת LLM
FunL2O: LLM-Guided Feature Function Design for Learning to Optimize
FunL2O היא שיטה חדשה לעיצוב פונקציות מאפיינים באמצעות LLM. השיטה מאפשרת אוטומציה של תהליך העיצוב, ונבדקה על משימות אופטימיזציה שונות. התוצאות מראות כי המאפיינים המיוצרים על ידי FunL2O עולים על מאפיינים מעוצבים ידנית.
תקציר מקורי באנגליתarXiv:2607.27389v1 Announce Type: new Abstract: Learning-to-optimize (L2O) methods accelerate repeated optimization by training models to predict solutions, warm starts, branching decisions, or other forms of solver guidance. A critical yet largely overlooked component of these pipelines is the feature function that maps problem instances to inputs for machine learning models. Existing L2O methods typically rely on hand-crafted features, making representation design manual and largely fixed across domains. We introduce FunL2O, the first unified framework for automating feature design through LLM-driven program evolution for L2O. In a FunSearch-style loop, an LLM proposes executable feature functions, while a fixed evaluation process retrains the original L2O model and measures downstream o
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית