.png){kind=icon}
返回
A Systematic Survey on Large Language Models for Algorithm Design
.png){kind=icon}
PRE
AI
DOI：10.1145/3787585.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
算法设计对于跨各个领域有效解决问题至关重要。大型语言模型 (llm) 的出现显著增强了该领域的自动化和创新，提供了新的视角和有前途的解决方案。在短短几年内，这种整合在从组合优化到科学发现等领域取得了显著进展。尽管这种快速扩展，但由于缺乏系统的审查，对该领域的整体理解受到阻碍，因为现有的调查要么仍然局限于狭窄的子领域，要么具有不同的目标。本文旨在提供LLMs算法设计的系统综述。我们引入了一个分类法，将llm的角色分类为优化器，预测器，提取器和设计者，分析每个类别中的进展，优势和局限性。我们进一步综合了算法设计流程的三个阶段以及定义当前格局的各种算法应用程序的文献。最后，我们概述了关键的开放挑战和机遇，以指导未来的研究。
Keyword:
Algorithm design
large language model
LLM4AD
optimization
heuristic
evolutionary algorithm
期刊
IF:
28
论文数:
2.5K
被引数:
3.5W
机构
引用论文
MeLM, a generative pretrained language modeling framework that solves forward and inverse mechanics problemsMeLM，一种生成式预训练语言建模框架，可解决正向和反向力学问题
OAAI
OAAI分享收藏Large language model-based evolutionary optimizer: Reasoning with elitism基于大型语言模型的进化优化器: 精英主义推理.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏De novo drug design as GPT language modeling: large chemistry models with supervised and reinforcement learning作为GPT语言建模的从头药物设计: 具有监督和强化学习的大型化学模型OAAI
OAAI分享收藏LLMatic: Neural Architecture Search Via Large Language Models And Quality Diversity Optimization
OAAI
OAAI分享收藏Mathematical discoveries from program search with large language models使用大型语言模型进行程序搜索的数学发现NatureOAAI
NatureIF0
OAAI分享收藏
查看更多内容