Framework basato su LLM migliora i portafogli di algoritmi tramite generazione di istanze sensibili al potenziale

È stato introdotto un nuovo framework, Co-evoluzione di Istanze e Algoritmi Sensibile al Potenziale (PIAC), per migliorare la generalizzazione della Costruzione Automatica di Portafogli tramite Grandi Modelli Linguistici (LLM-ACP) in scenari con pochi esempi. Il framework affronta due limiti critici degli approcci esistenti di co-evoluzione di istanze e algoritmi: la dipendenza da soluzioni di riferimento di alta qualità per valutare la difficoltà delle istanze e la limitata diversità delle istanze generate a causa di modelli di generazione a modalità singola. PIAC introduce una nuova metrica chiamata guadagno potenziale, che stima il guadagno di generalizzazione perturbando gli algoritmi generati, eliminando così la necessità di soluzioni di riferimento. Ciò consente una generazione di istanze più efficiente e diversificata, migliorando le prestazioni dei portafogli di algoritmi su problemi complessi di ottimizzazione combinatoria. La ricerca è dettagliata in un articolo disponibile su arXiv (arXiv:2608.06808), presentato come nuovo annuncio. Il lavoro è significativo per il campo della progettazione di algoritmi guidata dall'IA, offrendo un metodo più robusto per addestrare portafogli di algoritmi in contesti pratici dove le soluzioni di riferimento sono spesso non disponibili.