Agenti LLM Sintetizzano Solutori Ottimizzati per Problemi Combinatori

Un recente articolo su arXiv (2605.14141) presenta un nuovo framework in cui agenti LLM creano codice eseguibile di solutori ottimizzato per le prestazioni su varie distribuzioni di compiti sconosciute. Centrale in questo framework è il concetto di 'suggerimento del solutore'—una struttura riutilizzabile derivata da campioni e trasformata in codice su misura. Gli autori dimostrano che il solutore più veloce coerente con i campioni da una libreria predeterminata non solo generalizza bene in termini di correttezza ma anche di efficienza temporale. Inoltre, mostrano che suggerimenti identificabili tramite metodi statistici possono essere estratti da un numero polinomiale di campioni. Il framework è stato testato empiricamente su 21 distribuzioni target di ottimizzazione combinatoria strutturata in sette classi di problemi, enfatizzando l'efficienza computazionale rispetto alla mera accuratezza predittiva nella generazione di codice.