論文の概要: Fully Automated Generation of Combinatorial Optimisation Systems Using Large Language Models

• arxiv url: http://arxiv.org/abs/2503.15556v1
• Date: Tue, 18 Mar 2025 20:23:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-21 16:34:55.917252
• Title: Fully Automated Generation of Combinatorial Optimisation Systems Using Large Language Models
• Title（参考訳）: 大規模言語モデルを用いた組合せ最適化システムの完全自動生成
• Authors: Daniel Karapetyan,
• Abstract要約: 大規模言語モデル(LLM)を利用した最適化システムの完全自動生成の可能性を検討する。 LLMは、自然言語でユーザが提供する問題記述を解釈し、問題固有のソフトウェアコンポーネントを設計、実装する責任を負う。 完全に自動化されたLCMに基づく最適化システムの原理を議論し、いくつかの概念実証生成器の評価を行い、それらの性能を4つの最適化問題で比較した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Over the last few decades, there has been a considerable effort to make decision support more accessible for small and medium enterprises by reducing the cost of design, development and maintenance of automated decision support systems. However, due to the diversity of the underlying combinatorial optimisation problems, reusability of such systems has been limited; in most cases, expensive expertise has been necessary to implement bespoke software components. We investigate the possibility of fully automated generation of combinatorial optimisation systems by utilising the large language models (LLMs). An LLM will be responsible for interpreting the problem description provided by the user in a natural language and designing and implementing problem-specific software components. We discuss the principles of fully automated LLM-based generation of optimisation systems, and evaluate several proof-of-concept generators, comparing their performance on four optimisation problems.
• Abstract（参考訳）: 過去数十年間、自動意思決定支援システムの設計・開発・保守のコストを削減し、中小企業にとって意思決定支援をより使いやすくするために、かなりの努力が続けられてきた。 しかし、基礎となる組合せ最適化問題の多様性のため、そのようなシステムの再利用性は制限されており、多くの場合、高価なソフトウェアコンポーネントを実装するには高価な専門知識が必要である。 大規模言語モデル(LLM)を利用した組合せ最適化システムの完全自動生成の可能性を検討する。 LLMは、自然言語でユーザが提供する問題記述を解釈し、問題固有のソフトウェアコンポーネントを設計、実装する責任を負う。 完全に自動化されたLCMに基づく最適化システムの原理を議論し、いくつかの概念実証生成器の評価を行い、それらの性能を4つの最適化問題で比較した。

関連論文リスト

• DNN-Powered MLOps Pipeline Optimization for Large Language Models: A Framework for Automated Deployment and Resource Management [0.0]
  本研究では、Deep Neural Networks(DNN)を活用してMLOpsパイプラインをLarge Language Models(LLM)に最適化する新しいフレームワークを提案する。 当社のアプローチでは,最適なパフォーマンスとコスト効率を維持しつつ,デプロイメント決定やリソース割り当て,パイプライン最適化を自動化するインテリジェントシステムを導入しています。
  論文  参考訳（メタデータ） (2025-01-14T14:15:32Z)
• Learning Multiple Initial Solutions to Optimization Problems [52.9380464408756]
  厳密なランタイム制約の下で、同様の最適化問題を順次解決することは、多くのアプリケーションにとって不可欠である。 本稿では,問題インスタンスを定義するパラメータが与えられた初期解を多種多様に予測する学習を提案する。 提案手法は,すべての評価設定において有意かつ一貫した改善を実現し,必要な初期解の数に応じて効率よくスケールできることを実証した。
  論文  参考訳（メタデータ） (2024-11-04T15:17:19Z)
• LLM-based Optimization of Compound AI Systems: A Survey [64.39860384538338]
  複合AIシステムでは、LLMコール、レトリバー、コードインタプリタ、ツールなどのコンポーネントが相互接続される。 近年の進歩により, LLM を用いたパラメータのエンドツーエンド最適化が可能となった。 本稿では,複合AIシステムのLCMに基づく最適化の原理と動向について述べる。
  論文  参考訳（メタデータ） (2024-10-21T18:06:25Z)
• Large Language Model as a Catalyst: A Paradigm Shift in Base Station Siting Optimization [62.16747639440893]
  大規模言語モデル(LLM)とその関連技術は、特に迅速な工学とエージェント工学の領域において進歩している。 提案するフレームワークは、検索拡張生成(RAG)を組み込んで、ドメイン固有の知識を取得してソリューションを生成するシステムの能力を高める。
  論文  参考訳（メタデータ） (2024-08-07T08:43:32Z)
• Agent-Driven Automatic Software Improvement [55.2480439325792]
  本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。 継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。 我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
  論文  参考訳（メタデータ） (2024-06-24T15:45:22Z)
• Towards Single-System Illusion in Software-Defined Vehicles -- Automated, AI-Powered Workflow [3.2821049498759094]
  本稿では,車載ソフトウェアシステムの開発における,新しいモデルと特徴に基づくアプローチを提案する。 提案されたアプローチの重要なポイントの1つは、近代的な生成AI、特にLarge Language Models(LLM)の導入である。 その結果、パイプラインは広範囲に自動化され、各ステップでフィードバックが生成される。
  論文  参考訳（メタデータ） (2024-03-21T15:07:57Z)
• Characterization of Large Language Model Development in the Datacenter [55.9909258342639]
  大きな言語モデル(LLM)は、いくつかの変換タスクにまたがって素晴らしいパフォーマンスを示している。 しかし,大規模クラスタ資源を効率よく利用してLCMを開発することは容易ではない。 我々は,GPUデータセンタAcmeから収集した6ヶ月のLDM開発ワークロードの詳細な評価を行った。
  論文  参考訳（メタデータ） (2024-03-12T13:31:14Z)
• Beyond LLMs: Advancing the Landscape of Complex Reasoning [0.35813349058229593]
  EC AIプラットフォームは、制約満足度と最適化問題を解決するために、ニューロシンボリックアプローチを採用している。 システムは正確で高性能な論理推論エンジンを採用している。 システムは、自然言語と簡潔な言語でアプリケーションロジックを指定する開発者をサポートする。
  論文  参考訳（メタデータ） (2024-02-12T21:14:45Z)
• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)
• AutonoML: Towards an Integrated Framework for Autonomous Machine Learning [9.356870107137095]
  Reviewは、自動化された自動MLシステムを構成するものに関して、より広範な視点を動機付けようとしている。 その上で、以下の研究領域の開発状況を調査します。 我々は、各トピックによって拡張されたレビューを通して概念的枠組みを開発し、高レベルなメカニズムを自律mlシステムに融合する方法を1つ紹介する。
  論文  参考訳（メタデータ） (2020-12-23T11:01:10Z)
• Optimal by Design: Model-Driven Synthesis of Adaptation Strategies for Autonomous Systems [9.099295007630484]
  我々は,自律システムのための最適適応戦略のモデルベース要求駆動型合成のためのフレームワークであるOptimal by Design (ObD)を提案する。 ObDは、自己適応システムの基本的な要素、すなわちシステム、能力、要求、環境の高レベルな記述のためのモデルを提案する。 これらの要素に基づいてマルコフ決定プロセス(MDP)が構築され、最適な戦略や最も報いるシステム行動を計算する。
  論文  参考訳（メタデータ） (2020-01-16T12:49:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。